PulseAugur
中
实时 08:58:01
English(EN) P$^{3}$: Joint Program-and-Proof Planning for Verified Code Generation

新的大语言模型方法通过集成规划和证明搜索来增强可验证代码生成

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了新的可验证代码生成方法，其中大语言模型（LLMs）同时生成可执行程序和机器可检查的正确性证明。第一种方法 P$^{3}$ 集成了程序和证明规划，以提高效率和有效性，在 Lean4Commit0 等基准测试上实现了更高的解决率并降低了成本。第二种方法 Goedel-Code-Prover 在 Lean 4 中采用了分层证明搜索，将复杂的验证目标分解为更简单的子目标，在其基准测试上实现了 62.0% 的证明成功率。 AI

影响 可验证代码生成方面的这些进展可以通过机器可检查的证明来确保正确性，从而带来更可靠的软件。

排序理由 两篇研究论文介绍了使用大语言模型进行可验证代码生成的新颖方法。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的大语言模型方法通过集成规划和证明搜索来增强可验证代码生成

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Zenan Li, Ziran Yang, Peiyang Song, Zhaoyu Li, Kaiyu Yang ·

    P$^{3}$：用于验证代码生成的联合程序与证明规划

    arXiv:2608.09277v1 Announce Type: new Abstract: Verified code generation asks a large language model (LLM) to generate both an executable program and a machine-checkable proof that the program meets a formal specification, promising software that is correct by construction. The d…

  2. arXiv cs.AI TIER_1 English(EN) · Zenan Li, Ziran Yang, Deyuan He, Haoyu Zhao, Andrew Zhao, Shange Tang, Kaiyu Yang, Aarti Gupta, Zhendong Su, Chi Jin ·

    Goedel-Code-Prover：用于开放式最先进代码验证的分层证明搜索

    arXiv:2603.19329v3 Announce Type: replace-cross Abstract: Large language models (LLMs) can generate plausible code but offer limited guarantees of correctness. Formally verifying that implementations satisfy specifications requires constructing machine-checkable proofs, a task th…

相关实体

相关话题