@FinanceYF5: Google新论文：让LLM解数学竞赛题，正确率从10%跳到70%。 【LEAP框架】不让模型一次写完整证明，而是把问题拆成目标树，边做边从Lean验证器的反馈里学，复用已证过的引理。 结果：Putnam 2025全部12题解出，IMO风…

X AI KOLs Timeline 论文
google llm mathematics lean proof-assistant automated-theorem-proving competition-math

摘要

Google新论文提出LEAP框架，将数学问题拆解为目标树，利用Lean验证器反馈进行学习，使LLM在数学竞赛题上的正确率从10%提升至70%，解决了Putnam 2025全部12题，并在IMO基准上超越专用金牌级系统。

Google新论文：让LLM解数学竞赛题，正确率从10%跳到70%。 【LEAP框架】不让模型一次写完整证明，而是把问题拆成目标树，边做边从Lean验证器的反馈里学，复用已证过的引理。 结果：Putnam 2025全部12题解出，IMO风格基准超过专用金牌级系统的48%。 模型能力没变，结构变了，上限就变了。 https://t.co/aY2IEGePO9
查看原文
查看缓存全文

缓存时间: 2026/06/05 09:09

Google新论文：让LLM解数学竞赛题，正确率从10%跳到70%。

【LEAP框架】不让模型一次写完整证明，而是把问题拆成目标树，边做边从Lean验证器的反馈里学，复用已证过的引理。

结果：Putnam 2025全部12题解出，IMO风格基准超过专用金牌级系统的48%。

模型能力没变，结构变了，上限就变了。 https://t.co/aY2IEGePO9

相似文章

LEAP：利用代理框架增强LLMs在形式数学中的能力

arXiv cs.AI

LEAP是一种代理框架，使通用LLMs能够在Lean中实现形式定理证明的最新性能，解决了2025年普特南竞赛的全部12个问题，并在新基准（Lean-IMO-Bench）上将形式化证明率从低于10%提升至70%，超越了专门系统。