PulseAugur
中
实时 08:46:54
English(EN) Re:Form -- Reducing Human Annotations in Scalable Formal Software Verification with RL in LLMs: A Preliminary Study on Dafny

新方法Re:Form利用形式化语言减少LLM软件验证中的人工标注

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为Re:Form的新方法，以减少在形式化软件验证中训练大型语言模型（LLMs）所需的人工标注。通过利用Dafny等形式化语言并整合形式化语言验证器的反馈，该系统可以自动生成可验证的代码。这种方法在DafnyComp基准测试中得到了验证，即使是较小的模型也能生成语法正确且可验证的Dafny代码，其表现优于较大的专有模型和现有基线。 AI

影响 这项研究通过最大限度地减少对人工生成训练数据的依赖，有可能显著降低训练LLMs执行复杂编程任务的成本并提高其可扩展性。

排序理由 详细介绍LLM新训练方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新方法Re:Form利用形式化语言减少LLM软件验证中的人工标注

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Chuanhao Yan, Fengdi Che, Xuhan Huang, Xu Xu, Xin Li, Yizhi Li, Xingwei Qu, Jingzhe Shi, Chenghua Lin, Yaodong Yang, Binhang Yuan, Hang Zhao, Yu Qiao, Bowen Zhou, Jie Fu ·

    Re:Form -- Reducing Human Annotations in Scalable Formal Software Verification with RL in LLMs: A Preliminary Study on Dafny

    arXiv:2507.16331v4 Announce Type: replace Abstract: Existing informal language-based (e.g., human language) Large Language Models (LLMs) trained with Reinforcement Learning (RL) face a significant challenge: their verification processes, which provide crucial training signals, ar…

相关实体

相关话题