VeriBench 上的定理生成代理排名
sanmikoyejo · x · 2026-07-12
转发内容展示了一个名为 **VeriBench** 的评测结果，比较的是**定理生成 agent** 的表现。 结果显示：`DSPy ReAct 0.615 > Trace++ 0.588 > Trace+ 0.477 > baseline 0.470`。同时作者强调，这里的结论只代表**验证集上的校准证据**，并不意味着普遍可靠性；下一步还会做一个**锁定的留出测试集**。
sanmikoyejo · x · 2026-07-12
转发内容展示了一个名为 **VeriBench** 的评测结果，比较的是**定理生成 agent** 的表现。 结果显示：`DSPy ReAct 0.615 > Trace++ 0.588 > Trace+ 0.477 > baseline 0.470`。同时作者强调，这里的结论只代表**验证集上的校准证据**，并不意味着普遍可靠性；下一步还会做一个**锁定的留出测试集**。