Benchmark Vero của Berkeley: tốt nhất cũng chỉ xong 27/43 dự án
Phòng thí nghiệm RDI của Berkeley công bố benchmark Vero: tác nhân AI viết cả code lẫn chứng minh hình thức trong kho Lean 4, tỷ lệ đạt từng đặc tả cao nhất 87,3% nhưng chỉ giải trọn vẹn 27 trong 43 dự án.