English(EN) HoarePrompt: Structural Reasoning About Program Correctness in Natural Language

HoarePrompt 使用程序验证来改进基于 LLM 的软件正确性分析

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-10 04:00

研究人员开发了 HoarePrompt，一种将程序验证原理与自然语言处理相结合以评估软件正确性的新方法。该方法改编了最强后置条件演算，并使用少样本驱动的 k-归纳技术来处理循环，使大型语言模型能够系统地描述程序状态。HoarePrompt 在 CoCoClaNeL 数据集上进行了评估，与标准的零样本 CoT 提示和基于 LLM 的测试生成相比，在正确性分类方面显示出显著的改进。 AI

影响增强了 LLM 在形式软件验证方面的能力，有望提高代码质量和可靠性。

排序理由该集群包含一篇学术论文，详细介绍了使用 LLM 进行程序正确性验证的新方法。[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: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇学术论文，详细介绍了使用 LLM 进行程序正确性验证的新方法。[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: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Dimitrios Stamatios Bouras, Yihan Dai, Tairan Wang, Yingfei Xiong, Sergey Mechtaev · 2026-09-10 04:00

HoarePrompt：关于自然语言中程序正确性的结构化推理

arXiv:2503.19599v3 Announce Type: replace-cross Abstract: While software requirements are often expressed in natural language, verifying the correctness of a program against such requirements is a hard and underexplored problem. Large language models (LLMs) are promising candidat…

本文如何被排名

报道来源 [1]

HoarePrompt：关于自然语言中程序正确性的结构化推理

相关话题