arXiv 人工智能· Aravind Mandiga, Guoming Li·· 6 小时前AI 评分37
LLM 生成的证明在程序重构下有多稳定？可验证代码生成压力测试
How Stable Are LLM-Generated Proofs Under Program Refactoring? A Stress Test for Verifiable Code Generation
AI 导读
RefactorProof 从 185 个 VERINA 任务衍生出 458 个 Lean 认证变体，评估程序重构下证明的稳定性。结构重构暴露了显著脆弱性，专用证明器的结构 PSR 为 13.3-26.8%，但 DeepSeek-Prover-V2-7B 与 Goedel-Prover-V2（8B/32B）存活率仍高出参考证明 15.6 至 20.3 个百分点。
来源：arXiv 人工智能 · arxiv.org