Event ·Multi-source

Turing Agent:用智能体工作流形式化验证研究级数学证明

论文提出 Turing Agent,一个面向研究级数学端到端形式化验证的智能体框架,采用定理形式化与证明形式化双层架构,结合结构化证明分解、并行验证、证明经验积累和选择性语义审查。在理论计算机科学(TCS)方向的评估中,基于 GLM-5.3 和 DeepSeek-V4-Pro,Turing Agent 在 Formal TCS Bench 上达到约 57-62% 的忠实形式化成功率,在 RLMEval 的 TCS 子集上取得 83% 的整体 pass@1。对比对象包括直接生成以及 Codex CLI 和 Claude Code 这类通用编程智能体框架。更关键的成果是:基于 DeepSeek 构建的 Turing Agent 完成了 OpenAI 2026 年 10 月问题集中三个此前未被解决的 TCS 任务的形式化验证,其中一道难题需要约一百条经过形式化验证的辅助命题。 技术机制上,该框架把证明验证拆解为可并行的小任务:先由定理形式化智能体把数学陈述转成 Lean 等形式语言中的精确定义,再由证明形式化智能体逐条验证分解后的子命题,并积累经验供后续复用。评估刻意选择 TCS 作为测试领域,因为该领域涉及复杂的量词嵌套、依赖关系和严格的语义要求,是形式化验证中最困难的一类问题。 对研究者和工程团队的意义在于:随着 LLM 生成证明数量激增,机器可验证的正确性检查正成为瓶颈,Turing Agent 展示了智能体编排可以把验证成功率显著推高,同时能在验证过程中发现更简化的替代证明、暴露原证明中不必要的依赖,产出可复用的数学知识。

Current read

arXiv 新论文,一个专门做数学证明形式化验证的智能体框架,底层用 GLM-5.3 和 DeepSeek-V4-Pro,跑赢了 Codex CLI 和 Claude Code,还解决了 OpenAI 问题集里三道没被啃下来的理论计算机难题。做形式化验证或 Lean 相关工作的开发者值得看看它的双层架构怎么拆任务。

11 sources47° AI heatLast updated 2026/11/16 16:02:37

Evidence

11 sources
Primary sourcearXiv cs.AI
View source
Related source 1掘金本周最热
View source
Related source 3lmarena.ai
View source
Related source 4阿里通义 Qwen
View source
Related source 5shao__meng
View source
Related source 7Perplexity
View source
Related source 8@koltregaskes
View source
Related source 9Aravind Srinivas
View source
Related source 10IT之家
View source

Conflict check

Dedup data only shows that these sources discuss the same event, not that they agree. There is no structured supporting or refuting evidence yet, so no conflict is inferred automatically.