ReuF2F：面向形式化本科生科研问题的 Coding Agent 评测基准
英文标题：ReuF2F: Benchmarking Coding Agents on Formalized Undergraduate Research Problems
随着 AI 系统逐步开始解决开放性科研问题，对生成结果的可靠验证变得愈发关键。形式化数学为数学推理提供了值得信赖的框架，使智能体能够在开展研究的同时生成机器可验证的证明。本文提出了 ReuF2F 基准，专注于在形式化本科科研问题上评测 Coding Agent 的能力。该基准为开发者和科研人员评估 AI 代码智能体在严谨数学与逻辑推理任务中的表现提供了标准化测试手段。
打开原文相关 6.4 · 机会 1
2.0 KB
483 B
612 B
380 B
9.1 KB
18.2 KB
22.8 KB
24.2 KB
34.7 KB
中文
arXiv:2610.27046v1 公告类型：新增 (new)
摘要 (Abstract)
随着 AI 系统开始着手解决开放性科研问题，可靠的验证机制变得愈发重要。形式化数学为数学推理提供了一个值得信赖的框架，使智能体能够在开展研究的同时生成机器可检验的证明……
BibTeX 格式引用
×
English / 原文
BibTeX formatted citation
×