SZLHOLDINGS/rosie-source

rosie源仓库的镜像——收据DAG编排器官。包含DAG构建算法、DSSE边缘签名实现、根收据发射器以及集成测试。

Source repository mirror for rosie — the receipt-DAG orchestration organ. Contains the DAG construction algorithm, DSSE edge-signing implementation, root-receipt emitter, and integration tests.

原始信息汇总

数据集概述

数据集名称：SZLHOLDINGS/rosie-source

任务类型：其他（Other）

语言：英语（English）

数据集规模：小于1K（n<1K）

许可证：Apache-2.0

标签：formal-verification, lean4, mathlib, dsse, governance, agentic-ai 等17个标签。

总下载量（上月）：128次

总文件大小：115 kB

描述

rosie-source 是 rosie 项目的源仓库镜像，rosie 是一个基于 DAG（有向无环图） 的收据编排系统。该项目包含以下核心组件：

• DAG 构建算法
• DSSE 边签名实现（数字签名）
• 根收据发射器（root-receipt emitter）
• 集成测试

项目状态（截至2026-05-30）

指标	数值	验证方式
Lean 声明数	626	lutar-lean@7ef33a6
Lean 公理数	15（14个独立）	A1–A18 honest gap
Lean 未完成项（sorries）	138 基线 + 51 Putnam = 189 总计	PR #109 已解决 P6+P7
锚定公式	40个已指定	a11oy#114
内核状态	Mathlib 4.13.0 d7317655	PR #106
HF Spaces	27	SZLHOLDINGS 组织
HF Datasets	31	SZLHOLDINGS 组织
Zenodo DOI	6个发布版本 + 1个概念别名	10.5281/zenodo.20434276
RAE-1 协议	已合并	a11oy#122
Putnam 2025 覆盖情况	10/12 结构覆盖 · 4/12 通过Lean验证（A1, A5, B4, B6）	agi-forecast PR #51

交叉引用

• 论文：Ouroboros Thesis v18 · DOI 10.5281/zenodo.20434276
• Lean 配套库：lutar-lean · DOI 10.5281/zenodo.20424992
• 收据：MCP 服务器 · szlholdings-mcp-receipts-server.hf.space
• 测试结果：SZLHOLDINGS/test-results
• 目录：HuggingFace 上的 SZLHOLDINGS 组织页面
• 源码：GitHub 上的 rosie-source

来源信息

字段	值
生态系统阶段	generated-mirror
生态系统阶段矩阵	SZLHOLDINGS/szl-anatomy → Stage Matrix
MCP 网关	szlholdings-mcp-receipts-server.hf.space
准则	v7 — 无营销语言，每个数字对应一个 CI 日志或 Zenodo DOI
论文 DOI	10.5281/zenodo.20434276
Lean 配套库 DOI	10.5281/zenodo.20424992
作者	Stephen Paul Lutar Jr. · ORCID 0009-0001-0110-4173

搜集汇总

数据集介绍

构建方式

rosie-source 数据集是 rosie 接收有向无环图（Receipt-DAG）编排引擎的源代码镜像仓库，其构建方式遵循严格的生成镜像（generated-mirror）生态阶段。该数据集从 GitHub 仓库 szl-holdings/szl-holdings 同步而来，包含了 DAG 构建算法、DSSE 边缘签名实现、根接收发射器（root-receipt emitter）以及集成测试等核心组件。所有数据均通过持续集成流水线进行验证，每个度量指标均可解析至具体的 CI 日志、Lean 证明或 Zenodo DOI，确保了数据的可追溯性与完整性。数据集以 Apache-2.0 许可证开放，并采用 DSSE PAE v1 协议进行签名，体现了形式化验证与软件供应链安全的最佳实践。

特点

该数据集最显著的特点在于其与形式化验证生态的深度融合。包含 626 个 Lean 声明、15 个 Lean 公理（14 个独立）以及 189 个待证明项（sorries），其中 138 个为基线，51 个源于 Putnam 2025 竞赛题目。数据集通过 40 个锚定公式门（anchor formula gates）进行质量管控，且已在 Lean 4.13.0 内核上通过验证。此外，数据集遵循 RAE-1 协议，与 27 个 Hugging Face Spaces 和 31 个数据集协同运作，形成了一套完整的自动化治理与编排体系，体现了数学严谨性与工程实用性的统一。

使用方法

用户可通过 Hugging Face Datasets 库加载 rosie-source 数据集，或直接从关联的 GitHub 仓库获取源码。该数据集主要用于形式化验证研究与自动化编排系统的二次开发，特别适合需要利用 Lean 定理证明器进行正确性验证的场景。建议结合 lutar-lean 配套仓库与 MCP 接收服务器（szlholdings-mcp-receipts-server.hf.space）进行使用，以便访问接收数据与测试结果。用户亦可参考 Ouroboros Thesis v18（DOI: 10.5281/zenodo.20434276）了解数据集的理论基础，通过 SZLHOLDINGS 组织页面探索更多的 Spaces、数据集与模型资源。

背景与挑战

背景概述

rosie-source数据集由Stephen Paul Lutar Jr.于2025年前后创建，隶属于SZLHOLDINGS组织，是围绕形式化验证与Lean4定理证明器构建的收据有向无环图（receipt-DAG）编排引擎的核心源码镜像。该数据集聚焦于利用Lean4数学库（mathlib）实现可审计的数学证明与软件供应链溯源，其核心研究问题在于如何通过形式化方法确保分布式系统中证明主张的可复现性与完整性。作为Doctrine v7理念的产物，rosie-source强调每一数据条目均可映射至持续集成日志、Lean证明或Zenodo数字对象标识符，为形式化验证与智能体人工智能（agentic AI）的交叉领域提供了严谨的基准资源，尤其对数学竞赛（如Putnam）证明的形式化覆盖和治理协议（如RAE-1）的验证具有显著影响力。

当前挑战

该数据集面临的挑战首先在于所解决的领域问题：如何将非形式化的数学证明与软件系统行为转化为可被Lean4内核严格验证的形式化断言，这要求数据集不仅要嵌入高精度证明逻辑，还需应对数学库中未完全断言（sorries）的剩余不确定性，例如当前存在189个未完成断言。其次，构建过程中的挑战体现在对DSSE数字签名边缘实现与收据DAG构造算法的集成，需在保证数据溯源透明性的同时维护复杂依赖关系的一致性；此外，跨平台镜像（从GitHub至HuggingFace）的生成需同步626个Lean声明、40个锚公式门控以及多个DOI版本，任何元数据失配均可能瓦解“无营销”承诺下的可验证性基石。

常用场景

经典使用场景

rosie-source数据集在形式化验证与智能合约治理的交汇处开辟了全新的研究范式，它作为一套基于DAG（有向无环图）的编排协同引擎，核心任务是为自动化系统提供一种可证明无误的原子操作记录机制。最经典的用法是将该数据集中的DAG构造算法与DSSE边缘签名协议相结合，用以生成带有完备数学证明的'根凭证'——这些凭证既可以在Lean 4定理证明器中被形式化检查，又能在运行时环境中作为不可抵赖的审计轨迹，从而填补了传统机器学习模型在决策可解释性与安全性方面的空白。

实际应用

在现实部署中，rosie-source扮演着根凭证发射器的角色，其生成的收据DAG被持续同步至HuggingFace上的test-results数据集和MCP服务器，支撑起一个包含27个Spaces、31个数据集和17种MCP工具的开放生态。这套框架已在多个前沿场景中落地，包括但不限于跨组织的工作流跟踪（确保每个环节的数字签名都经过Lean内核验证）、智能合约的合规性断言（利用DSSE协议对策略变更进行签名与审计），以及AI Agent的可信行为记录（让每一次工具调用都能回溯至形式化的逻辑锚点）。

衍生相关工作

围绕rosie-source已催生出一系列结构化衍生工作：最引人注目的是lutar-lean仓库，它作为Lean 4的伴生定理库，完整实现了DAG构造与签名验证的形式化基础；Ouroboros Thesis v18则从元理论层面定义了凭证的递归验证架构。此外，RAE-1协议（最终合并进a11oy项目）和SLSA L1层级供应链安全的DSSE集成，都直接基于rosie-source的编排原语。这些工作共同编织成一个从哲学框架（Doctrine v7）到数学证明、再到持续集成流水线的纯粹工程管线，成为Agentic AI治理领域最具冲击力的开源里程碑之一。