AIToday
大規模言語モデルAIコーディングAI Weekly掲載日時: 2026年10月31日 16:00

EasyProverがVERINA全タスク達成

LINEで送る
EasyProverがVERINA全タスク達成

3つのポイント

  1. 何が起きたか

    Ganguly氏、Raghunathan氏、Jovanović氏らのEasyProverは、VERINA全タスク、NTP4VCの600条件中597件、PutnamBenchの672問中669問を解決し、IMO 2026の6問も証明した。

  2. なぜ重要か

    形式検証は通常分野固有のツールや証明系で訓練したモデルを要するが、EasyProverは汎用フロンティアモデルの推論時オーケストレーションで既存ベンチマークを突破できると示した。

誰に効くかLeanベースの検証パイプラインを構築するエンジニアや研究者は訓練不要の参照システムを得られ、Rustプログラム検証に取り組むチームは2,045組のRust-LeanペアからなるAegisベンチマークで最初のベースラインを得られる。

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

背景と解説

EasyProverの登場は、形式ソフトウェア検証が従来、専門ツールか対象の証明系で訓練したモデルのいずれかを要してきた中で実現した。プレプリントの手法は代わりに、再帰エージェント、分離コンテキスト、非同期探索、並列タクティク探索、伸縮自在なエラボレーションサービスを既製のフロンティアモデルに重ね、追加訓練を一切行わない。この組み合わせにより、通常の微調整の負担なしでVERINAやNTP4VCといった既存ベンチマークを突破できる。

成果はこれらのベンチマークにとどまらない。PutnamBenchの672問中669問とIMO 2026の6問の形式化も証明された。システムと併せてチームはAegisを公開した。競技プログラミングの問題をRust検証タスクへ変換して構築したもので、そのパイプラインは11,533件の候補仕様を生成しLeanに対して差分検証した。固定幅演算、明示的な失敗、生成ループ、キャスト、関数化された可変操作といった実装レベルの義務を対象とする。

Aegisから層化抽出した2,000文のサンプルで、EasyProverは1文あたり30分の予算内で1,054文(52.7%)を証明した。これらのタスクは合成例ではなく実際のコンテストプログラムから取られているため、この数字は合成ベンチマークより水増ししにくい最初のベースラインとして提示されている。実務者には訓練不要の参照システムと、比較対象となる層化Rustベンチマークを提供する。

よくある質問
EasyProverは具体的に何を達成したのか?
証明または反証によりVERINAの全189タスク、NTP4VCの検証条件600件中597件、PutnamBenchの672問中669問、IMO 2026の6問の形式化すべてを解決した。
EasyProverは訓練なしでどう動作するのか?
既製のフロンティアモデルに対し、分離コンテキストを持つ再帰エージェント、非同期探索、並列タクティク探索、伸縮自在なエラボレーションサービスを組み合わせて実行する。
Aegisベンチマークとは何か?
競技プログラミングの解答から構築した2,045組のRust-Leanプログラムペアを差分検証した新ベンチマークで、11,533件の候補仕様をLeanに対して検証した。
LINEで送る

あなたの仕事に関係するAIニュースを、毎朝お届けします。

業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。

登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →

AIに質問

この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。

質問と回答はこのページに公開されます。

このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る

関連記事

マイクロソフトがAIエージェントで攻撃対抗サービス提供開始

Microsoft Ignite 2026でマイクロソフトは赤・青・緑チームのエージェントを組み合わせ攻撃模擬・検知調査・脆弱性修正を行うMicrosoft Perceptionの一般提供を発表した

NEWPublickey4時間前

Windows Server 2028がパブリックプレビュー公開

Microsoft Ignite 2026でWindows Server 2028のパブリックプレビューが公開され、Microsoft Foundry、Windows ML、vLLM、Llama.cppによるAI推論ホス…

NEWPublickey4時間前

AUMOVIOがLLMの唯一の経路をDatabricksに統一

AUMOVIOはDatabricks Unity GatewayをLLMへの唯一の経路に採用

NEWDatabricks AI Blog4時間前

CADMAGEDDON、5ベンチマークで最先端CADモデル超え

CADMAGEDDONはBenchCADの64³ボクセルIoUで、1000部品のサブセットにおいて0.991を記録し、Claude Sonnet 5.5の0.963、Claude Opus 5.5の0.962、GPT-6…

NEWAI Weekly4時間前

MIT Technology ReviewのAI指数、AIは遍在

MIT Technology ReviewのAI誇大広告指数はAIの広がりを示し、GoogleのAI Overviewsが広告収入で数十億ドルを失わせたことやAI支援のサイバー攻撃を挙げた

NEWMIT Technology Review AI4時間前

Thomas Nagel、AI意識説を「馬鹿げている」と一蹴

哲学者トーマス・ナゲル氏はバーグルエン賞受賞後のインタビューで、大規模言語モデルが意識を持つ可能性を真剣に受け止めるのは「馬鹿げている」と述べ、AnthropicのClaudeへのアプローチを「犯罪的」と呼んだ

NEWWIRED AI4時間前
次の記事へ無料AIチェッカー判定、10月前半は1日1,657件