VeriSoftBench 发布：仓库级 Lean 4 形式化验证，最强 LLM 仅过 41%

研究者在 COLM 会议上发布 VeriSoftBench，这是首个面向仓库规模 Lean 4 形式化验证的 benchmark，包含来自 23 个开源形式化方法仓库的 500 条证明义务，并保留真实仓库上下文与跨文件依赖。该基准提供 Curated deps 与 Full repo context 两种评测模式，前沿 LLM 表现仍不理想，最佳成绩仅为 41.0% 与 34.8%。