Sequent-Prover：可验证SMT推理智能体

Debargha Ganguly等作者发布论文，提出 Sequent-Prover——一族在可执行 SMT-LIB 草稿本中推理的语言模型智能体，以及配套的后训练框架。智能体编写完整 SMT-LIB 程序，在多轮中查询 Z3、检查求解器反馈并修复形式化。 据论文称，在覆盖 37 个基准、每个模型族 7,254 道题目的评测中，后训练把 4B 模型的单次尝试准确率从 85.6% 提升到 97.0%，四次采样全部正确的可靠性（pass^4）从 64.1% 提升到 91.7%；同时把平均 SMT 调用次数从 4.10 降到 2.52，每次尝试的 token 数从 18.97k 降到 12.72k。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。