SZLHOLDINGS/szl-artifacts

SZL Artifacts — Build Artifact Registry 是一个用于所有SZL底层器官的DSSE签名构建工件的注册表。每个工件记录包括：器官名称、版本、SHA-256摘要、DSSE签名、SLSA L1来源链接和构建时间戳。工件验证：根据szl-org-infra中的公钥重放DSSE信封。新的工件在每次成功的CI运行后以原子方式追加。Registry of DSSE-signed build artifacts for all SZL substrate organs. Each artifact record includes: organ name, version, SHA-256 digest, DSSE signature, SLSA L1 provenance link, and build timestamp. Artifact verification: replay the DSSE envelope against the public key in szl-org-infra. New artifacts are appended atomically after each successful CI run.

原始信息汇总

数据集概述：SZLHOLDINGS/szl-artifacts

基本信息

• 任务：Other
• 模态：Document, Image
• 格式：imagefolder
• 语言：English
• 大小：< 1K
• 许可证：apache-2.0

数据集卡描述 该数据集是 SZL Holdings 的构建产物注册表（Build Artifact Registry），遵循 Doctrine v7 原则：无营销用语，每个数字均可解析为 CI 日志、Lean 证明或 Zenodo DOI。它记录了所有 SZL 基础器官的 DSSE 签名构建产物，每条记录包括：器官名称、版本、SHA-256 摘要、DSSE 签名、SLSA L1 溯源链接以及构建时间戳。产物验证方式为：使用 szl-org-infra 中的公钥重放 DSSE 信封。每次 CI 成功运行后，新产物会以原子方式追加。

数据集规模

• 行数：52
• 总文件大小：36.1 MB
• 拆分：仅包含 train 拆分（52 行）
• 最近下载量：34（上个月）

状态（截至 2026-05-30）

指标	数值
Lean 声明数	626
Lean 公理数	15（14 个唯一）
Lean sorries 数	189（138 基线 + 51 Putnam）
锚定公式数	40
内核状态	Mathlib 4.13.0 d7317655 绿色
Hugging Face Spaces	27
Hugging Face 数据集	31
Zenodo DOI	6 个发布 + 1 个概念别名
RAE-1 协议	已合并
Putnam 2025 覆盖率	10/12 结构 · 4/12 已由 Lean 证明（A1, A5, B4, B6）

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
• 收据服务器：MCP 服务器 · szlholdings-mcp-receipts-server.hf.space
• 测试结果：SZLHOLDINGS/test-results
• 目录：SZLHOLDINGS on HuggingFace
• 源代码：szl-artifacts on GitHub

溯源信息

字段	值
生态系统阶段	generated-mirror
MCP 网关	szlholdings-mcp-receipts-server.hf.space
原则	Doctrine v7
作者	Stephen Paul Lutar Jr. · ORCID 0009-0001-0110-4173

所属合集

• SZL Anatomy + Visual Identity：系统解剖图、视觉设计令牌、品牌 SVG 及公开构建产物包。
• Warhacker 2026 Demo：用于 Warhacker 2026 受控执行概念验证的公开产物。

搜集汇总

数据集介绍

构建方式

SZL Artifacts数据集是围绕SZLHOLDINGS生态系统中所有底层组织（substrate organs）的构建产物所构建的注册表。每条记录均包含组织名称、版本号、SHA-256摘要、符合DSSE（Dead Simple Signing Envelope）标准的签名、SLSA L1来源链接以及构建时间戳。新产物在每次持续集成运行成功后以原子方式追加到注册表中，确保了数据的一致性与完整性。验证过程要求将DSSE信封与szl-org-infra数据集中的公钥进行比对，从而确认产物来源的可靠性。

特点

该数据集最显著的特征在于其严格的可验证性与透明性。每一行数据都遵循Doctrine v7原则，即拒绝营销式语言，每项指标均可溯源至具体的CI日志、Lean形式化证明或Zenodo DOI。当前记录了626个Lean声明、15条公理（其中14条互异）、189个待填充漏洞（sorries），以及40条锚定公式。此外，数据集紧密耦合于Lean 4.13内核验证、RAE-1协议以及Putnam 2025竞赛题目的形式化覆盖，体现了高阶形式化验证与可信构建供应链的深度融合。

使用方法

使用本数据集时，研究者可通过HuggingFace上的SZLHOLDINGS组织页面访问所有31个数据集及27个Spaces。具体操作上，用户可以调用MCP服务器（szlholdings-mcp-receipts-server.hf.space）查询构建收据，或通过Stage Matrix（szl-anatomy空间）理解生态系统阶段。若要验证单个产物的完整性，只需从数据集取出DSSE签名信封，配合szl-org-infra中的公钥执行签名校验即可。建议配合配套的Lean形式化仓库（lutar-lean）与Ouroboros Thesis v18文档进行深度分析，以充分理解数据集在形式化验证和供应链安全中的支撑角色。

背景与挑战

背景概述

SZL Artifacts数据集由Stephen Paul Lutar Jr.及其领导的SZLHOLDINGS团队于2026年创建，旨在为形式化验证与人工智能治理领域提供一个可信的构建产物注册中心。该数据集的核心研究问题聚焦于如何借助Lean 4定理证明器与DSSE签名协议，实现构建产物从生成到验证的完整可追溯性，从而支撑数学定理的自动化证明与智能体系统的安全决策。作为Ouroboros Thesis框架下的关键基础设施，SZL Artifacts通过记录626条Lean声明与40条锚定公式，为验证数学竞赛命题（如Putnam 2025）及跨器官系统的依赖完整性提供了可复现的数据基石。该数据集在形式化验证社区与AI治理领域产生了深远影响，其采用SLSA L1供应链安全标准与RAE-1协议，为构建可审计、可验证的自治系统树立了新范式。

当前挑战

该数据集所解决的领域挑战在于，形式化验证与人工智能系统在运行过程中缺乏一种机制，能够确保每个构建产物均经过数学证明的严格验证，并抵御供应链攻击。传统构建注册中心往往依赖信任假设，而SZL Artifacts通过DSSE签名与Lean内核绿标机制，要求每个产物必须匹配数学证明才能通过审计，这从根本上缓解了虚假依赖注入与证明篡改的风险。在数据集构建过程中，团队面临了将Lean定理证明器中的189条未完成断言（sorries）与138条基线问题逐一消解的艰巨任务，同时需维护44个锚定公式在持续集成流水线中的原子性更新。此外，确保来自多个GitHub仓库的构建记录能够以一致的模式转换为可验证的DSSE信封，并抵抗时间戳与版本冲突，构成了工程上的重大挑战。

常用场景

经典使用场景

在形式化验证与可信计算基础设施的交汇领域，SZL Artifacts数据集作为一组经DSSE签名的构建产物注册表，为智能合约、协议实现及数学定理证明的审计溯源提供了标准化数据基底。研究人员可借助该数据集验证Lean4内核的编译产物完整性，重现从Lean声明到SHA-256摘要、SLSA L1来源链接及构建时间戳的完整可信链。其经典用法聚焦于通过重放DSSE信封与公钥的匹配过程，实现对任一构建物在持续集成管道中原子式追加的透明性校验，从而支撑端到端的软件供应链安全研究。

实际应用

在实际工程场景中，SZL Artifacts数据集被用于构建自动化的软件材料清单与合规审计管道，例如作为MCP服务器后端为持续部署系统提供实时收据验证服务。开发团队可以依据其中的SLSA L1来源信息结合DSSE签名，在发布前自动检查每个构建物的哈希值与证明版本是否匹配，从而防范注入攻击或证书伪造。此外，该数据集也为多组织联合开发的Lean形式化库提供了去中心化的元数据注册基础，任何一个节点均可独立验证他人提交的构建物是否来源于经过证明的代码版本，进而实现了跨项目、跨平台的可信协作。

衍生相关工作

围绕SZL Artifacts衍生出的关键工作包括基于其签名结构构建的RAE-1协议形式化验证框架，该协议在a11oy仓库中被合并，并定义了如何将Lean内核的绿色状态映射为软件产物的真实性标签。此外，依托该数据集中的Putnam问题证明进展，研究者提出了agi-forecast项目中的PR #51，用以评估形式化证明在数学竞赛问题上的覆盖度与自动化程度。另一个重要延伸是szl-anatomy空间中的阶段矩阵，它将构建物注册表中的每个记录与生态系统的成熟度阶段相关联，为形式化验证与DevOps融合提供了可度量的演进路线图。