Turing Agent:用智能体工作流形式化验证研究级数学证明
论文提出 Turing Agent,一个面向研究级数学端到端形式化验证的智能体框架,采用定理形式化与证明形式化双层架构,结合结构化证明分解、并行验证、证明经验积累和选择性语义审查。在理论计算机科学(TCS)方向的评估中,基于 GLM-5.3 和 DeepSeek-V4-Pro,Turing Agent 在 Formal TCS Bench 上达到约 57-62% 的忠实形式化成功率,在 RLMEval 的 TCS 子集上取得 83% 的整体 pass@1。对比对象包括直接生成以及 Codex CLI 和 Claude Code 这类通用编程智能体框架。更关键的成果是:基于 DeepSeek 构建的 Turing Agent 完成了 OpenAI 2026 年 10 月问题集中三个此前未被解决的 TCS 任务的形式化验证,其中一道难题需要约一百条经过形式化验证的辅助命题。 技术机制上,该框架把证明验证拆解为可并行的小任务:先由定理形式化智能体把数学陈述转成 Lean 等形式语言中的精确定义,再由证明形式化智能体逐条验证分解后的子命题,并积累经验供后续复用。评估刻意选择 TCS 作为测试领域,因为该领域涉及复杂的量词嵌套、依赖关系和严格的语义要求,是形式化验证中最困难的一类问题。 对研究者和工程团队的意义在于:随着 LLM 生成证明数量激增,机器可验证的正确性检查正成为瓶颈,Turing Agent 展示了智能体编排可以把验证成功率显著推高,同时能在验证过程中发现更简化的替代证明、暴露原证明中不必要的依赖,产出可复用的数学知识。
当前结论
arXiv 新论文,一个专门做数学证明形式化验证的智能体框架,底层用 GLM-5.3 和 DeepSeek-V4-Pro,跑赢了 Codex CLI 和 Claude Code,还解决了 OpenAI 问题集里三道没被啃下来的理论计算机难题。做形式化验证或 Lean 相关工作的开发者值得看看它的双层架构怎么拆任务。
证据链
11 个信源冲突核查
现有去重数据只说明这些来源讨论同一事件,不代表立场相同。当前没有结构化的支持或反驳证据,不自动推断冲突。