定理证明训练数据不再靠堆量:从已验证证明里挖出500道边界难题,两个证明器都涨分
形式定理证明的强化学习受限于高质量难题稀缺:现有Lean题目要么已被证明器解出,要么信息量太低。ProofFrontier从已有Lean已验证的定理–证明对出发,保持原定理陈述不变,只遮住证明结构中的关键局部节点,让证明器重新发现中间推理,再用基础证明器的通过率筛出“原则上可解、但不易解”的边界难题。用GRPO在500道合成任务上训练后,DeepSeek-Prover-V2-7B与Goedel-Prover-V2-8B在miniF2F、ProofNet和PutnamBench上均较各自基础模型提升。