arXiv · AI· Alessandro Sosso, Akhil Arora, Bas Spitters·· 8 小时前AI 评分26
智能体审计 Lean 4 基准 CLEVER：证明同构评分不足够
Isomorphism Is Not Enough: An Agentic Audit of Verified Code Generation in Lean
AI 导读
summary_zh: 审计发现 Lean 4 代码生成基准 CLEVER 的 161 个条目中，有 80 个存在参考规格错误。基于 Claude Opus 4.6、GPT-5.4 和 Kimi K2.5 的智能体系统生成了高达 98.8% 的有效规格，并在无错误前提下实现了 96.2% 的端到端成功率。
来源：arXiv · AI · arxiv.org