StochBench
首个专门针对随机过程领域的Lean 4形式化证明基准测试集，包含450道研究生级别的随机过程问题，涵盖马尔可夫过程、测度论等核心主题
Timeline (last 90 days)
该证明智能体采用大语言模型与形式化验证器交互的架构：LLM生成证明策略序列，Lean编译器实时验证每一步推理，失败时根据错误信息调整，形成生成-验证-修正的闭环
StochBench包含450道研究生级别的随机过程问题，每道题目都配有自然语言源文本
StochBench的核心主题包括马尔可夫过程、随机游走理论、鞅理论、更新过程、排队论、布朗运动与随机微积分、收敛理论
随机过程领域在Mathlib中长期处于代表性不足的状态
StochBench是一个专门针对随机过程领域的Lean 4基准测试集
在每道题15分钟的时间限制下，证明智能体在StochBench上的成功证明率为34.9%（157/450）
应用数学领域的定理证明往往依赖庞大理论体系，一个定理证明可能需要调用数十个前置引理并横跨多个数学分支
StochBench的发布标志着形式化数学基准测试进入垂直细分的新阶段
研究团队使用基于Opus 4.8的智能体对StochBench进行了系统测试
All Facts (9)
该证明智能体采用大语言模型与形式化验证器交互的架构：LLM生成证明策略序列，Lean编译器实时验证每一步推理，失败时根据错误信息调整，形成生成-验证-修正的闭环
50%UnverifiedStochBench包含450道研究生级别的随机过程问题，每道题目都配有自然语言源文本
50%UnverifiedStochBench的核心主题包括马尔可夫过程、随机游走理论、鞅理论、更新过程、排队论、布朗运动与随机微积分、收敛理论
50%Unverified随机过程领域在Mathlib中长期处于代表性不足的状态
50%UnverifiedStochBench是一个专门针对随机过程领域的Lean 4基准测试集
50%Unverified在每道题15分钟的时间限制下，证明智能体在StochBench上的成功证明率为34.9%（157/450）
50%Unverified应用数学领域的定理证明往往依赖庞大理论体系，一个定理证明可能需要调用数十个前置引理并横跨多个数学分支
50%Unverified研究团队使用基于Opus 4.8的智能体对StochBench进行了系统测试
50%UnverifiedStochBench的发布标志着形式化数学基准测试进入垂直细分的新阶段
50%