ETH 提出 AuXSpec:可执行后条件作奖励,9B 模型规格生成超前沿模型
eth-algopt · hf · 2026-11-18
ETH 研究团队发布 AuXSpec,一个解决形式化规格(autoformalization)瓶颈的 Lean 框架:
- 核心方法:将声明式后条件与可执行后条件配对(尽量通过 type class resolution 获得,否则单独定义并附等价性证明),用测试用例执行声明式规格,以执行一致性作为强化学习奖励,绕过了昂贵的显式证明反馈
- 数据:合成 3,037 道 LeetCode 题,并在 Codeforces 上经 expert iteration 扩充至 19.5K 训练样本
- 结果:训练 Qwen3.5-9B 与 Qwen3.8-27B 后,AuXSpec-Test 上 SpecGen pass@4 分别从 0.7%→82.7%、14.3%→84.3%;域外 Verina 基准上分别从 7.0%→90.5%、21.9%→90.5%,27B 模型超越所有前沿模型;pass@1 大幅超过此前开源 SOTA VeriSpecGen-30B-A3B(73.7% 与 84.5% vs 47.6%)
- 开源:释放 9B/27B 模型权重、3,037 题与测试用例,含 300 题带专家审核与正确性证明的 AuXSpec-Test 基准
「编程与Agent」频道最新
- AI 短片工具链公开:Seedance 2.5 + Kling 4.0 + Nano Banana + Suno 全流程 — Uncanny_Harry · 2026-11-18
- 微软 Ignite 2026:Copilot 按职位分技能,Agent 365 注册量破 5000 万 — shashib · 2026-11-18
- philschmid:用 harness 自身 MCP 服务替代内置多智能体功能 — _philschmid · 2026-11-18
- 博主公开 3D 孔雀视频完整 prompt,一句话产出 15 秒皮克斯风动画 — CodeByPoonam · 2026-11-18
- WorkBuddy AI 实测办公室任务:一条 prompt 产出 10 页入职幻灯片 — CodeByPoonam · 2026-11-18
- 圈内热梗:智能体编程的杀手级应用是为智能体编程造 harness — danbri · 2026-11-18