Evaluation of LLMs for Mathematical Formalization in Lean

En 3 lignesComparaison de LLMs pour la génération de preuves formelles en Lean 4. Gemini 3.1 Pro et Claude Opus 4.7 obtiennent les meilleures performances (92% et 86% de succès respectivement via refine@32). NVIDIA Nemotron 3 Super et GPT-OSS 120B offrent le meilleur rapport coût-efficacité (<0,01$ par preuve correcte).

Résumé généré par Claude — vérifié par l'humain