道歉不是难的部分：半自主形式化的专家评审案例研究

大型语言模型通常可以弥补交互式定理证明者中的证明差距，但经过验证的定理与可重用的库贡献不同。我们通过详细的案例研究来研究这种区别：格洛腾迪克消失定理的半自主形式化。最初的版本可以顺利编译，但专家评审发现定义、定理通用性、文件组织和 API 方面存在严重问题。然后，我们运行了审查驱动的重构和压缩流程，并获得了第二次专家审查。前后比较显示出明显的分歧：代理很好地适应了本地的、可机械检查的反馈，但在选择定义和设计 API 方面仍然很弱。我们认为，自动形式化不仅应该通过封闭的抱歉来评估，还应该通过由此产生的形式化是否能通过专家审查来评估。