# Lean Bench

独立评测项目，依赖 lean-agent；两者放在同一父目录。

```sh
python3 -m venv .venv
source .venv/bin/activate
pip install -e ../lean-agent -e .
export LLM_API_KEY='your-key'
lean-bench datasets/smoke.jsonl --output results/model-001 --model YOUR_MODEL --base-url https://YOUR_HOST/v1 --attempts 3
```

也支持 agent 的 --provider-command、--lean-project、--lean-command 和超时选项。协议见 [Lean Agent](https://gitea.entroia.com/codex-bot/lean-agent)。

输入 JSONL 每行包含唯一 id、statement，可选 prelude。数据集必须可信；拒绝空集、重复 ID 和缺少字段。

输出目录必须不存在：results.jsonl 逐题记录证明、Lean 诊断、耗时和错误；summary.json 汇总成功率、异常数、尝试数、模型、Lean 版本及数据集 SHA-256。异常题保留在分母。指标为修复预算内 solved/tasks，不是独立采样 pass@k。顺序运行，暂不支持断点续跑。

不同实验应固定模型、预算、Lean/Mathlib、数据集与适配器版本。三个 smoke 题只验证流程，不代表数学推理能力。

## 无 LLM 的真实 Lean smoke 测试

```sh
lean-bench datasets/smoke.jsonl --output results/smoke-001 --provider-command '["python3","tests/mock_provider.py"]'
python3 -m unittest discover -s tests -v
```

mock 返回固定证明，仍由真实 Lean 检查。真实 LLM 需配置 endpoint/model 或适配器。

## 教科书形式化流水线

`textbook/` 下有一套从教材 PDF 生成两类数据的工具：真正的 bench 目标（来自每节
的 Exercises，`datasets/`）和候选库（来自正文 Theorem/Proposition/Lemma/
Corollary，`database/`，只有被真正证明过之后才进最终的可复用 Lean 库
文件），配 Definition 清单（Mathlib 没有的概念会编译成真正可导入的 Lean 代码，
`lib/Definitions.lean`，不只是 JSON 元数据）。用法见
[textbook/README.md](textbook/README.md)。

## 状态（更新于 2026-09-18）

`database/goodman-1.6.jsonl`（正文来源的候选库，21 条）全部通过本地
Lean elaboration 检查。`datasets/goodman-1.6-exercises.jsonl`（Exercises 1.6 来
源的真正 bench 目标，14 条）刚生成，尚待你本机跑一遍 `check_statements.py` 验
证。两边定义清单中的幻觉 Mathlib 引用均已修正。