基准
Putnam Bench
用于评估自动定理证明系统的基准测试集,包含大量数学竞赛类形式化证明题。
时间轴 (近 90 天)
11月17日
在匹配相同模型和可比预算下,H1 在 Putnam Bench 等多个基准上匹配或帕累托优于定制系统,并解决了八个公开猜想问题。
待验证50%
11月17日
在 Putnam Bench 上,H1 与 Goedel Architect 使用相同模型时成本更低但表现更好。
待验证50%
11月17日
用 GPT 5.6 Sol 时,H1 在 FateX 上做到 90-100 的解决率,FC100 Soft 上 178%,Formal Core Bench 上 23-14%,IMO2026 的 6 道题全部做出来,Putnam Bench 的 672 道题里做对了 670 道。
待验证50%