SZLHOLDINGS/terra-source
收藏Hugging Face2026-05-30 更新2026-05-31 收录
下载链接:
https://hf-mirror.com/datasets/SZLHOLDINGS/terra-source
下载链接
链接失效反馈官方服务:
资源简介:
Terra Source — 基础设施层镜像,是SZL底层基础设施治理层Terra的源仓库镜像。Terra管理所有底层组件的计算资源供应、网络策略和资源认证。基础设施操作通过sentra进行门控,并生成DSSE签名的供应收据。Terra通过uds-governance-receipts与UDS网格集成。
Source repository mirror for Terra — the infrastructure governance layer of the SZL substrate. Terra manages compute provisioning, network policy, and resource attestation for all substrate organs. Infrastructure actions are gated through sentra and produce DSSE-signed provisioning receipts. Terra integrates with the UDS mesh via uds-governance-receipts.
提供机构:
SZLHOLDINGS原始信息汇总
数据集概述:Terra Source — Infrastructure Layer Mirror
- 数据集名称:terra-source
- 所属组织:SZLHOLDINGS
- 任务类型:其他(Other)
- 语言:英语
- 数据集大小:<1K(文件总大小:36.3 kB)
- 许可证:Apache-2.0
- 标签:formal-verification, lean4, mathlib, dsse, governance, agentic-ai 等
核心内容
该数据集是 Terra(SZL 底层基础设施治理层)的源码仓库镜像,专注于基础设施治理的验证与证明。核心元数据包括:
- Lean 声明:626 个
- Lean 公理:15 个(14 个唯一)
- Lean 未完成项(sorries):189 个(138 个基线 + 51 个 Putnam)
- 锚公式:40 个已指定
- 内核状态:Mathlib 4.13.0 版本(d7317655)
- HF Spaces:27 个
- HF Datasets:31 个
- Zenodo DOI:6 个发布 + 1 个概念别名
- Putnam 2025 覆盖率:10/12 结构覆盖,4/12 已完成 Lean 证明(A1, A5, B4, B6)
交叉引用
- 论文:Ouroboros Thesis v18(DOI: 10.5281/zenodo.20434276)
- Lean 伴侣仓库:lutar-lean(DOI: 10.5281/zenodo.20424992)
- 收据服务器:szlholdings-mcp-receipts-server.hf.space
- 测试结果:SZLHOLDINGS/test-results
- HuggingFace 目录:SZLHOLDINGS on HuggingFace
- GitHub 源码:terra-source on GitHub
出处信息
- 生态系统阶段:
generated-mirror - 阶段矩阵:SZLHOLDINGS/szl-anatomy
- MCP 网关:szlholdings-mcp-receipts-server.hf.space
- 教义:v7(无营销语言,每个数字可解析为 CI 日志或 Zenodo DOI)
- 作者:Stephen Paul Lutar Jr.(ORCID: 0009-0001-0110-4173)
备注
- 数据集查看器不可用,因为无法通过启发式检测到支持的数据文件。
- 数据集遵循“Doctrine v7”原则,即所有指标均指向可验证的 CI 日志、Lean 证明或 Zenodo DOI。
搜集汇总
数据集介绍

构建方式
Terra Source 数据集是 SZL 底层基础设施治理层 Terra 的源代码镜像,其构建依托于形式化验证框架 Lean 4 与数学库 Mathlib,通过 626 条 Lean 声明、40 条锚点公式及 DSSE 签名的供给凭证来刻画计算资源调配、网络策略与资源证明的治理逻辑。数据集以 GitHub 仓库为源,经由持续集成流水线生成镜像,并关联 Zenodo DOI(10.5281/zenodo.20434276)确保版本可溯。构建过程遵循 SLSA L1 与 DSSE PAE v1 标准,所有数据均指向 CI 日志或 Lean 证明,拒绝任何营销式表述。
特点
该数据集的核心特色在于其形式化验证驱动的治理透明性:15 条 Lean 公理与 189 个待补漏洞(其中 138 个基线、51 个来自 Putnam 竞赛)清晰展示了逻辑完备度与开放缺口。特别地,数据集对 Putnam 2025 问题的覆盖率达 10/12 结构、4/12 完全证明,并以 GREEN/TRACKED/STAGED-ADVISORY 三色标记进展状态。此外,RAE-1 协议的集成与 27 个 Hugging Face Spaces 的联动,使其成为可交互验证的基础设施治理数据集。
使用方法
研究者可通过 Hugging Face 平台直接加载数据集(数据集标识符为 terra-source),结合 Lean 4 内核(版本 4.13.0)验证其形式化声明。为复现结果,需配置 lutar-lean 仓库(commit 7ef33a6)并利用 MCP 服务器(szlholdings-mcp-receipts-server.hf.space)检索 DSSE 签名的供给凭证。数据集的跨引用结构通过 Zenodo DOI 与 GitHub Pull Request 编号(如 PR #109、#106)锚定,用户可依据 Doctrine v7 准则逐一核查每项指标对应的 CI 日志或 Lean 证明文件。
背景与挑战
背景概述
Terra Source数据集由Stephen Paul Lutar Jr.及其团队于2026年创建,作为SZL基底层的基础设施治理镜像,隶属于SZLHOLDINGS组织。该数据集旨在为形式化验证与基础设施治理提供可审计、可溯源的资源层,其核心研究问题围绕如何运用Lean 4证明助手与DSSE数字签名,实现对计算资源配置、网络策略与资源证明的全生命周期形式化管控。Terra Source通过锚定40条形式化公式与189个待填补证明漏洞(sorries),在普特南数学竞赛覆盖与基础设施治理的交汇处开辟了Agentic AI与形式化验证深度融合的新范式,其依托的Doctrine v7规范确保了每一项指标均可追溯至CI日志或Zenodo DOI,为高可靠系统治理奠定了数据基础。
当前挑战
Terra Source所面对的挑战首先源于形式化验证与真实世界基础设施治理之间的语义鸿沟——将Lean 4中的626条声明与15条公理映射为可执行的资源调配策略,需要确保证明系统与现实部署的一致性。数据集构建过程中需克服多重技术瓶颈:维护138个基线sorries与51个普特南竞赛相关sorries的动态演化,协调27个HuggingFace Space与31个数据集的跨组件依赖,以及通过DSSE协议生成可验证的基础设施部署收据,同时确保每条锚定公式在Mathlib 4.13.0内核环境下的绿色编译。这些挑战不仅考验形式化推理的完备性,更要求在不牺牲可审计性的前提下,实现证明状态与持续集成流水线的实时同步。
常用场景
经典使用场景
在形式化验证与基础设施治理的交叉领域中,Terra Source数据集作为SZL基板基础设施层的镜像仓库,为研究者提供了将Lean4定理证明器与计算资源供给、网络策略及资源认证相结合的独特范例。该数据集最经典的使用场景在于利用其包含的626项Lean声明、40个锚定公式以及完整的DSSE签名供给收据,对基础设施操作进行形式化建模与验证。研究人员可通过解析这些结构化数据,重现Lean内核验证流程,并在此基础上开展关于基础设施操作正确性与安全性的形式化推理研究。
解决学术问题
Terra Source数据集着力解决了形式化验证在分布式基础设施治理中应用的核心学术难题,即如何将抽象的定理证明成果与具体的计算资源管理操作无缝衔接。该数据集通过提供DSSE签名的供给收据和经过Lean内核验证的声明,弥合了形式化规约与实际部署之间的鸿沟,使得研究者能够量化分析基础设施操作的可信度与合规性。其意义在于开创性地将Lean4生态与基础设施即代码的治理范式融合,为后续研究提供了可复现的基准框架,推动了形式化方法在运维自动化领域的理论奠基。
衍生相关工作
围绕Terra Source数据集已衍生出一系列具有方向引领性的工作,其中最具代表性的是lutar-lean形式化库和Ouroboros Thesis v18。前者作为该数据集的Lean伴侣,将基础设施治理的锚定公式转化为可执行的定理证明任务,并直接贡献了Putnam 2025竞赛题目的形式化验证成果;后者则在理论层面系统阐述了Terra架构的治理逻辑与演进路径。此外,基于该数据集开发的MCP收据服务器与uds-governance-receipts数据集,进一步扩展了其应用边界,构成了从数据采集到验证推理再到服务封装的全链条研究生态。
以上内容由遇见数据集搜集并总结生成



