一套新系统在每项任务最多用时30分钟的条件下，证明了从Rust程序构建的2,000项验证任务中52.7%的命题。
简讯作者： OossaOossa 发布日期: 1 分钟阅读
研究人员推出EasyProver，这套系统利用AI智能体，在Lean（一种用于编写可由机器检查的证明的语言）中证明或反驳命题。他们还推出了基准测试Aegis，将竞赛编程题转化为与Rust实现相关的验证任务。
在研究人员的评估中，EasyProver在每项命题限时30分钟内，证明了抽样的2,000条Aegis命题中的1,054条。论文还报告称，该系统在成熟的定理证明基准测试中取得了高分；研究人员表示，这些基准测试的成绩已接近饱和。
对于考虑对Rust代码进行形式化检查的软件团队，Aegis提供的任务涵盖整数类型转换和失败行为等细节；EasyProver能否高效验证他们自己的代码，目前仍不得而知。
模型
Samaya AI称，Sterling在FrontierFinance上的准确率为58.9%，高于Claude Fable 5.1的55.9%，且单题成本更低。
模型
一篇发布在 arXiv 的论文称，基于图像的攻击绕过了多款多模态模型的安全防护，包括 GPT-5.6 和 Gemini 3.1 Pro。
模型
Nemotron 3.5 Super支持文本、图像和视频；较小的Lightning仅支持文本。NVIDIA称，两款模型的上下文长度最高可达100万token，并公布了软件工程测试成绩。
Oossa · 新闻简报
一周 AI，讲明白
每周一，用通俗的语言讲清值得知道的新闻。免费，无垃圾邮件。
