研究人员开发了一个名为 claimcheck 的新基准,用于衡量和改进 AI 模型生成的正式规范的忠实度。该基准涵盖四种形式化语言——Dafny、Lean 4、Isabelle 和 Rocq——并包含 3,234 对自然语言需求及其对应的形式化构件。其中很大一部分对是保持意义的重写,以挑战自动化检测方法。claimcheck 工具采用双模型方法,将形式化构件翻译回英文,然后评估它们与原始需求的语义等价性,在召回率方面显示出比现有方法有显著改进。 AI
影响 该基准和工具可以通过确保 AI 生成的代码和规范准确反映人类意图来提高其可靠性。
排序理由 该集群描述了一篇介绍用于 AI 生成规范形式化验证的基准和工具的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →