SZLHOLDINGS/anatomy-alive-harness

Anatomy Alive Harness 是一个测试工具，用于7-organ SZL底层。它跨所有器官运行248个断言检查，验证DSSE收据链，针对40/40锚点集确认公式门通过率，并验证OTel跨度覆盖。Integration test harness for the 7-organ SZL substrate. Runs 248 assertion checks across all organs, verifies DSSE receipt chains, confirms formula-gate pass rates against the 40/40 anchor set, and validates OTel span coverage.

搜集汇总

数据集介绍

构建方式

Anatomy Alive Harness 是一个专为 SZL 七器官基底（substrate）设计的集成测试验证框架。其构建方式依托于 Lean 4 内核的持续集成流水线，每当 Lean 内核通过绿色构建时，便会自动触发该测试框架的运行。测试框架执行涵盖所有器官的 248 项断言检查，验证 DSSE 收据链的完整性，并对照 40/40 锚定公式集确认公式门控通过率，同时对 OpenTelemetry 跨度覆盖进行校验。测试结果以 DSSE 签名的 JSONL 记录格式发布至专用的 test-results 数据集。

使用方法

使用者可通过 Hugging Face 平台上的 SZLHOLDINGS 组织页面访问该数据集及其关联资源。测试结果以结构化 JSONL 格式存储，便于进行自动化分析与集成。数据集提供了完整的交叉引用系统，包括与之关联的 Ouroboros 论文、Lean 伴随仓库、MCP 收据服务以及 27 个 Hugging Face Spaces 应用。使用者可通过 MCP 网关获取实时收据验证，亦可通过 SLSA L1 标准验证组件的软件供应链安全等级。对于需要深入探究形式化验证进展的研究者，数据集中的锚定公式门控与公理缺口分析提供了清晰的量化评估依据。

背景与挑战

背景概述

可验证形式化验证与推理链的完整性评估，是确保数学定理证明和智能体系统行为可信赖的核心挑战。由Stephen Paul Lutar Jr.主导，基于Lean 4交互式证明助手与mathlib标准库，于2026年发布的Anatomy Alive Harness测试框架，旨在为一种名为‘SZL基质’的七器官形式化系统提供集成测试方案。该数据集围绕248项断言检查、DSSE签名的收据链验证以及40/40锚点公式通过率的基准锚定，建立了从Lean内核验证到CLI日志审计的完整路径。作为Rigor Assessment Engine 1协议的配套实现，其为形式化验证的可观测性设立了新的规范标准，直接影响着数学推理链的透明化追踪与自治智能体系统的安全治理架构。

当前挑战

该框架所解决的核心领域挑战在于：如何确保复杂形式化系统中海量推理声明的可追溯性与完整性，尤其在涉及189个未闭合证明块和44个锚点公式门控的场景下，需同步满足数学严谨性与工程可审计性。构建过程中，面对626个Lean声明、15条公理及跨多个版本仓库的依赖关系，设计者需同时协调Lutar-Lean内核的绿色构建状态、Zenodo数字对象标识符的持久化、以及27个Hugging Face空间和31个数据集之间的无缝集成，实现了DSSE签发收据链与MCP协议网关的实时联动，从而在保证命题逻辑闭环的同时，维护一套可被持续集成流水线验证的完整元数据生态。

常用场景

经典使用场景

Anatomy Alive Harness 数据集是一个专为集成测试而精心构建的测试平台，旨在验证一个由七个器官模块构成的复杂系统（SZL substrate）的运行状态。其最典型的应用场景是作为形式化验证管线的核心测试框架，通过执行248项断言检查，全面覆盖各器官模块的功能正确性、DSSE收据链的完整性以及公式门控通过率。该数据集与Lean4形式化证明系统深度耦合，每次Lean内核CI绿色运行后自动触发测试，确保所有声明与证明的一致性，为构建高可靠性的正式验证系统提供了坚实的测试基础。

解决学术问题

该数据集解决了形式化验证领域中一个关键学术问题：如何在大规模、多模块的正式验证系统中实现自动化、可重复且可审计的集成测试。它填补了从个体定理证明到系统级验证之间的测试断层，通过将40个锚定公式的通过率、OTel跨度覆盖率和DSSE签名收据等指标纳入统一测试框架，使得研究者能够系统性地评估整个系统的验证完备性与安全性。其意义在于，为形式化方法与软件工程实践之间架起了一座量化的桥梁，推动了将数学证明与工业级系统测试相结合的学术范式。

实际应用

在实际应用中，Anatomy Alive Harness 数据集作为测试工具链的核心，服务于对正确性要求极高的领域，如智能合约审计、自治系统监管和基于证明的治理协议。它能够自动生成并发布DSSE签名的JSONL测试记录，这些记录可作为不可篡改的审计证据，用于交易所、政务系统或去中心化组织等场景中的合规性验证。该数据集还通过MCP服务器提供实时交互式查询接口，使得运维人员能够快速定位失败断言并追溯至具体的Lean证明或CI日志，从而显著提升系统故障诊断与修复的效率。

数据集最近研究

最新研究方向

该数据集聚焦于形式化验证与智能体治理的交叉前沿，依托Lean4定理证明器与DSSE签名链，构建起一套7器官基质的集成测试框架。当前研究热点在于通过248项断言检查与40/40锚定公式门控，实现数学证明与CI/CD流水线的可审计绑定，并延伸到Putnam 2025竞赛问题的形式化覆盖。这一方向标志着人工智能安全从黑箱对齐向白盒可验证的范式跃迁，其RAE-1协议与MCP服务器架构为代理型AI的运行时监管提供了可组合的论证基础，对构建可信数学基础设施具有重大意义。