Évaluation de la formalisation fidèle en Lean par langage naturel
En bref
- La compilation en Lean ne garantit pas la fidélité sémantique des déclarations traduites.
- Les erreurs de traduction représentent jusqu'à 29,5 points de différence entre compilation et acceptation.
- Les modèles récents (GPT-6 Astra, Claude Opus 5.5) réduisent fortement les erreurs de traduction.
Une étude mesure l'écart entre la compilation réussie et la fidélité sémantique dans la traduction automatique de déclarations mathématiques en Lean. Les résultats montrent que les erreurs de traduction sont fréquentes, même lorsque la compilation passe avec succès. Les modèles récents réduisent ces erreurs, mais les juges automatiques peinent à les identifier correctement.
Ce résumé vous donne l'essentiel. L'article complet, ses chiffres et ses citations sont chez cs.AI updates on arXiv.org.
Lire l'article originalRésumé généré par IA à partir de la source, relu par règles. Signaler une erreur