StochBench：面向 Lean 随机过程的领域专用基准
StochBench 是一个面向 Lean 4 形式化定理证明的新基准，包含 450 道不同抽象层次的研究生级随机过程问题。与主要取自数学竞赛的现有基准不同，它覆盖了代表性不足的领域，包括马尔可夫链、更新过程、随机游走、鞅、布朗运动、随机微积分和弱收敛等。基于 Opus 4.8 的代理在每题 15 分钟的限制下证明了 450 道题中的 157 道，证明率为 34.9%。该基准旨在更准确地评估 AI 定理证明器处理领域特定应用数学的能力。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。