Verus Proof Index 发布:25 个模型的智能体形式化证明能力基准
fhuszar · x · 2026-11-17
ReasonableIO 发布 Verus Proof Index,首个针对形式化验证的智能体证明生成能力基准(基于 Verus)。评测覆盖 25 个模型共 100 道题,衡量正确性、成本、推理耗时与相对效率,强调『最终能证对』只是智能体走向实用的很小一部分。图中 Top 7:GPT-6 Astra 59.1、Claude Fable 5.1 58.7、Claude Opus 5.5 58.2、Gemini 4 Argon 56.2、GPT-6.1 Sol 55.6、Claude Sonnet 5.5 53.1、Gemini 3.8 Flash 52.7。
「模型」频道最新
- 让 ChatGPT 和 Claude 扮演 NeurIPS 审稿人,AI 论文被拒 — burny_tech · 2026-11-17
- X 热议某模型成绩争议:3B 开源放大到 ~60B 就能解释,无需怀疑作弊 — RexDouglass · 2026-11-17
- 医生吐槽 OpenEvidence 宣称「降低全因死亡率」:这种话别乱说 — EricTopol · 2026-11-17
- wojak-bench 走红:让 AI 照图纸做手办再盲投票排名 — osanseviero · 2026-11-17
- Zvi 长文评 Claude Fable 5.2:日常够用,难任务才是「火箭筒」 — TheZvi · 2026-11-17
- 用户切换 AI 模型有多快?LukeW 再添一个数据点 — LukeW · 2026-11-17