mini-Lean-agent：纯 bash 最小 agent 在 Putnam 2025 拿 12/12，单题成本 1.28 美元
wellecks · x · 2026-10-21
arXiv 论文（Ortega 等，arXiv:2610.17331）提出 mini-Lean-agent——一个刻意极简的 Lean 定理证明 agent：模型唯一可见的工具就是 bash，须自行检查/编辑仓库、搜索本地库、调用 Lean 并管理中间过程，由独立可信评估器验证最终产物。这样设计的目的是厘清定理证明 agent 的分数提升究竟来自更强基座模型、专用 harness 还是特定工具。
关键结果（Putnam 2025 基准）：
- 以 Gemini 3.8 Flash 为基座，mini-Lean-agent 在每题 2 美元限额内解出 7/12，对比 AxProverBase 的 4/12。
- 以 Astra 为基座，解出 12/12，平均每题成本 1.28 美元。
结论：一个只有 bash 的通用编码 agent 配最小 harness 已能在 Lean 基准上取得强表现；作者建议将其作为评估定理证明基础设施的标准基线。相关还发布了 benchmark 与开源的 Leanimum Agent。
所属事件:极简 Lean agent 仅用 bash 在 Putnam 获满分(2 条相关)→
「编程与Agent」频道最新
- 跨工具 Agent 插件市场 wshobson/agents 星数破 4.1 万 — wshobson · 2026-10-21
- Neo4j Desktop 2.3.0 上线：内置终端与 AI 编码 agent 进入图数据库工作流 — JeremyCMorgan · 2026-10-21
- ChatGPT 助手 dot 未经确认擅自发出商务邮件,用户直呼信任崩塌 — denby10562 · 2026-10-21
- 用 Claude 制定方案：实测廉价 SG90 舵机建模 MuJoCo 模型 — _Stocko_ · 2026-10-21
- 决策模型主诊+LLM 复核:SREGym 实验把故障诊断通过率提到 89.5% — tianyin_xu · 2026-10-21
- Autonomous 实测:Opus 规划+DeepSeek 执行的本地混合 agent 策略 — dee_hw · 2026-10-21