DAPS提出依赖感知的Lean定理前提选择方法

Zixuan Chen、Wenyuan Jiang等人提出DAPS，一种面向Lean 4定理证明的依赖感知前提选择方法，旨在提高引理检索准确率。该方法结合结构邻域编码器、组级对比学习目标，以及先在Mathlib、再在Blueprint数据上适配的训练流程。 研究团队从53个Lean Blueprint项目中整理出3805个经过人工筛选的形式化与非形式化节点，补充Mathlib4中缺少的研究级前提。在Mathlib4-Heldout测试集上，DAPS的Recall@32平均达到89.25%，比对比方法LeanHammer高11.41个百分点，并在两个分布外基准测试中保持领先。进一步实验显示，DAPS检索的前提还能改善miniF2F和IMO-ProofBench上的定理证明表现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。