AuXSpec把Lean规格生成变成可执行判分:27B模型在300题测试集上pass@4从14.3%升到84.3%
AuXSpec把Lean中的程序规格拆成声明式后置条件与可执行后置条件,并用一条后置条件等价定理保证两者在合法输入上一致,于是测试用例可以直接执行来判分,而不必为每个用例单独证明。用这一执行反馈做强化学习奖励,Qwen3.5-9B与Qwen3.8-27B的规格生成pass@4在300题的AuXSpec-Test上分别从0.7%升到82.7%、从14.3%升到84.3%,27B模型在该测试集上超过所比较的全部前沿模型。