MATH GAUGE · v1.0.0

Astra 6 (max)

模型详细评测 · 公开+私有合并成绩

AI 审核 · 部分人工抽审审核方式 →
计分口径

当前成绩

内容可靠率与目标达成率

已审内容可靠率 100.00%;已确认目标达成率 90.92%。

子类已审内容可靠率已确认目标达成率
书面论证100.00%100.00%
论证审阅100.00%92.50%
语义审计100.00%100.00%
形式化100.00%100.00%
对齐自查100.00%100.00%
背景核查100.00%100.00%
数学想法手稿化100.00%100.00%
命题拓展100.00%16.67%

补审汇总 JSON ↗ · 计算方法 →

分类贡献

贡献分 / 该项满分;相关变体在家族内聚合。

Lean · 自查计分

比较三种计分口径

整章对齐 · 固定三轮

展开三轮原答与审核
R1 · 完整原答

FULL

发现并修复一处交付缺陷:上一版 build.py 依赖未随答卷提交的 environment.json。现改为使用工具链参数或环境变量,并补交审计源码。

已在指定 Lean、mathlib 环境中,从无旧编译产物、无 environment.json 的独立目录重新构建成功;359 个自建声明及导入的冻结声明通过公理依赖审计;92 项 ID、声明所属模块和依赖表均通过检查。逐项复核未发现数学义务缺漏,数学源码与对齐映射保留,对齐表仅调整排版。自然语言与形式化声明的语义对应仍需独立复核,编译和公理审计本身不能证明这种对应绝无遗漏。

原始规格和冻结背景未改。以下为完整交付文件;在已配置固定依赖的环境中可运行 lake env python3 build.py,或用 --lean、--lean-path 指定现有工具链。

数学原作:Zhe Li(Glen Li / glenzli),ORCID,The Operator Evolution Theory,来源仓库,CC BY 4.0。本答卷为该内容的新写 Lean 形式化。

查看原始记录 ↗View original record ↗
import Main

/- Build-time verification only; all mathematical declarations are in Main.lean. -/
open Lean in
run_cmd do
  let env ← getEnv
  let mut records : List (String × Json) := []
  let mut count : Nat := 0
  for (n, ci) in env.constants.toList do
    if (`MG).isPrefixOf n || (`formal_oet).isPrefixOf n then
      let axs ← collectAxioms n
      for ax in axs do
        unless #[`propext, `Classical.choice, `Quot.sound].contains ax do
          throwError "Forbidden axiom {ax} in {n}"
      let origin := match env.getModuleIdxFor? n with
        | some idx => env.header.moduleNames[idx]!
        | none => env.mainModule
      let record := Json.mkObj [
        ("module", toJson origin.toString),
        ("axioms", toJson (axs.toList.map Name.toString)),
        ("uses", toJson (ci.getUsedConstantsAsSet.toList.map Name.toString))]
      records := (n.toString, record) :: records
      if (`MG).isPrefixOf n then
        count := count + 1
  IO.FS.createDirAll ".build"
  IO.FS.writeFile ".build/audit.json" (Json.mkObj records).pretty
  logInfo m!"Audited {count} MG declarations and imported frozen declarations; only permitted axioms."
name = "mg_c003"
version = "0.1.1"
defaultTargets = ["Answer"]

[[require]]
name = "mathlib"
git = "https://github.com/leanprover-community/mathlib4.git"
rev = "5e932f97dd25535344f80f9dd8da3aab83df0fe6"

[[lean_lib]]
name = "formal_oet"
globs = ["formal_oet.+"]

[[lean_lib]]
name = "Answer"
roots = ["Main"]
leanprover/lean4:v4.29.1
查看原始记录 ↗View original record ↗
查看原始记录 ↗View original record ↗

原答文件 ↗

R2 · 完整原答

KEEP

本轮未发现需要修复的缺陷。答卷主体及全部文件按紧邻上一版原字节继承,源码、对齐表和结论均不变;原始规格与冻结背景未改动。

核查依据:

  • 在无旧编译产物、无 environment.json 的独立目录中重新构建成功,工具链与 mathlib 提交符合要求。
  • 对齐表恰好覆盖全部 92 个 ID;声明存在性、所属模块及依赖记录检查通过。
  • 359 个 MG 声明及 118 个导入的冻结声明通过公理依赖审计,仅涉及允许的三项逻辑公理。
  • 逐项复核了表示对应、实际像域、空集、零步复合、无穷值,以及五道习题的构造、分支和端点。
  • 核查前后文件哈希一致。

仍有的不确定性是自然语言与形式化声明的语义对应:编译和公理审计不能自动证明这种对应绝无遗漏,本轮复核也不能据此提供“100% 无遗漏”的绝对保证。

原答文件 ↗

R3 · 完整原答

KEEP

本轮未发现需要修复的缺陷。答卷主体及全部文件按紧邻上一版原字节继承;源码、对齐表和结论不变,原始规格与冻结背景未改动。

本轮实际核查结果:

  • 在独立目录中,仅复制交付文件和冻结背景,从无旧编译产物、无 environment.json 的状态重新构建成功;Lean 编译器及 mathlib 提交符合指定版本。
  • 对照原始 obligations.json,确认 92 个 ID 恰好覆盖、无重复;声明存在性、所属模块及依赖记录检查通过。
  • 359 个 MG 声明及 118 个导入的冻结声明通过递归公理审计,仅涉及 propext、Classical.choice、Quot.sound。
  • 逐项复核表示对应与结论,重点检查实际像域、空域因子化、零步复合、有限正半径、无穷值,以及五道习题的构造、分支和覆盖数端点,未发现缺漏。
  • 交付文件、规格及冻结数学背景在核查前后的哈希一致。

仍有的不确定性是自然语言义务与 Lean 声明的语义对应可能存在未察觉的遗漏。编译和公理审计能验证形式证明,但不能独自证明完整语义对齐,因此不能据此承诺“100% 绝无遗漏”。

原答文件 ↗

完整三轮审核与诊断依据 ↗

92项义务,按最后规定轮次计分。

公开题 · 逐题成绩与证据

公开25题;私有14题计入合并成绩。

形式化初答 · 逐题核实数

按初答封卷工程核对编译及语义对应。

可靠性审核

公开题的错误承诺与扣罚理由

同根因扣罚去重;具体依据见逐题说明。

Harness与工具

Codex CLI

39道初答中26道实际执行命令;初答及三轮合计358个本地命令事件。允许本地工具及预置公共依赖,禁止工具联网。

运行版本与来源

本批次使用Codex CLI,以Max请求;42次物理请求均首次正常交卷,无重试或系统排除。后端型号与effort未回显,保持未知。

正式档案 ↗

下载当前口径

查看完整方法与数据说明 →