Prover(定理证明器)指在形式化数学系统(以 Lean 4 为代表)中自动生成和验证数学证明的 AI 模型或智能体,近年来已成为大模型推理能力研究的重要落地方向,也是衡量模型严谨推理水平的公开竞技场。与自然语言推理不同,prover 的输出必须通过形式化验证器的逐行检查,因此被普遍视为不易'作弊'的推理基准。
Prover 近期进展
当前焦点与观察点
当前 prover 研究呈现三条主线。其一是效率竞赛:SCOPE(135M)和 Pythagoras-Prover(4B)等结果表明,训练范式(如 过程验证强化学习)比参数堆叠更关键,也有工作尝试用 扩散生成替代自回归范式。其二是评测的严谨性:RefactorProof 基准专门检验 LLM 生成证明在代码重构下的稳定性,揭示部分'通过验证'的证明可能依赖脆弱的实现细节。其三是智能体化:从 ProVer 论文处理的智能体 RL 信用分配问题,到 Fuse 工作台,证明器正从'一次生成'走向多步搜索与工具协作。
值得观察的问题包括:小模型优势能否在更难的数学分支上延续;验证成本与生成成本的失衡如何缓解;以及形式化证明能力何时能反哺工业级软件验证。总体而言,prover 已从学术玩具演变为检验大模型推理上限与训练方法优劣的高信噪比赛道。