arXiv · AI· Aravind Mandiga, Guoming Li·· 5 小时前AI 评分33
程序重构下的 LLM 生成证明稳定性压力测试
How Stable Are LLM-Generated Proofs Under Program Refactoring? A Stress Test for Verifiable Code Generation
AI 导读
RefactorProof 发现 LLM 生成证明在程序重构后表现脆弱，结构 PSR 介于 4.3% 至 26.8% 之间。 测试基于 458 个 Lean 变体，DeepSeek-Prover 和 Goedel-Prover 表现优于参考证明，存活率高 15.6 至 20.3 个百分点。 研究被 NeurIPS 2026 Workshop 接收，旨在衡量证明稳定性，而非修复证明的成本。
来源：arXiv · AI · arxiv.org