English(EN) PROVE-RT: Generating Mechanized Theorem Prover Scripts for Real-Time Systems using LLMs

大型语言模型框架PROVE-RT助力为实时系统生成定理证明器脚本

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-14 04:00

研究人员开发了PROVE-RT，一个旨在协助大型语言模型（LLMs）生成机械化定理证明器脚本的新框架，特别针对实时系统。该系统解决了当前大型语言模型缺乏PROSA/ROCQ定理证明器所需专业知识的挑战。PROVE-RT采用了一种引导式方法，结合了依赖感知的非正式草图和从已处理文档中检索信息，以提高生成脚本的准确性。在评估中，PROVE-RT在生成有效的PROSA机械化方面取得了44.7%的成功率，显著优于直接提示最先进的大型语言模型。 AI

影响这项研究展示了如何引导大型语言模型来提高其在形式化验证等专业、知识密集型任务上的性能，从而可能加速可靠的实时系统的开发。

排序理由该集群描述了一篇学术论文中提出的一种使用大型语言模型生成机械化定理证明器脚本的新框架和方法。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇学术论文中提出的一种使用大型语言模型生成机械化定理证明器脚本的新框架和方法。 [lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 62 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Sadat Shahriyar, Shareef Ahmed, Abdullah Al Arafat · 2026-08-14 04:00

PROVE-RT：使用 LLM 为实时系统生成机械化定理证明器脚本

arXiv:2608.12762v1 Announce Type: new Abstract: Schedulability analysis is essential for certifying real-time systems, but existing tests are often developed through pen-and-paper proofs that are difficult to scale, validate, and maintain. Mechanized verification in PROSA/ROCQ of…

本文如何被排名

报道来源 [1]

PROVE-RT：使用 LLM 为实时系统生成机械化定理证明器脚本

相关实体

相关话题