← 返回精选
Marcus J. Min / ProofNet-Verified精选AI 评分  95

Ground False / ProofNet-Verified 获 NeurIPS 2026 E&D Track 接收,揭示 formal-math benchmark 的 ground truth 也可能大规模失真

作者 9 月 24 日确认 Ground False 被 NeurIPS 2026 E&D Track 接收。其公开 ProofNet-Verified 审计显示:在 367 个 ProofNet 问题中,原 ProofNet 有 204 个问题存在错误或歧义,ProofNet# 仍有 97 个;其中大量问题来自 informal-to-formal 语义不忠实、缺失前提以及对 Lean/Mathlib 的误解。项目不仅标记错误,还通过证明错误形式化的否定、给出 trivializing proofs 或详细语义分析来确认问题,并发布修正后的 Lean 4 statements 与 proofs。

推荐理由:它直接动摇了 formal-math benchmark 的默认前提:kernel-checkable 并不保证 benchmark statement 忠实于原题。对于评估 theorem provers 和 autoformalizers,这类 ground-truth audit 与模型 accuracy 本身同等重要。
阅读原始来源 ↗