Dafny
PulseAugur coverage of Dafny — every cluster mentioning Dafny across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
新工具 DAISY 为 Dafny 验证推断缺失的断言
研究人员开发了 DAISY，一个旨在自动推断 Dafny 程序中缺失断言的工具，从而减轻形式化验证的负担。DAISY 使用验证器诊断和基于 LLM 的定位来识别断言位置，使用 LLM 生成候选断言，并使用 Dafny 验证器进行验证。在对扩展的 DafnyBench 基准测试的评估中，DAISY 成功修复了 86% 的只有一个缺失断言的程序和 36% 的有两个缺失断言的程序，展示了其简化采用验证感知语言的潜力。
-
新论文发现：LLM代码生成在验证方面存在缺陷
一篇新研究论文《已验证但空洞：LLM驱动的已验证代码生成的三个失效面》在arXiv上发表，该论文认为当前评估LLM生成代码的指标不足。论文确定了三个应被衡量的不同属性：验证器接受度、句法规范绑定和语义规范保真度。使用Claude Opus 4.7和GPT-5.5等模型在HumanEval和MBPP-Rust等基准测试上的实证表明，这些属性之间存在显著差异，表明高验证器接受率并不一定意味着代码在功能上是正确的或符合其规范。
-
AI 代理编写的代码通过验证器，但规范不完整
一项使用 AI 编码代理生成形式化验证代码的实验表明，虽然 Claude Code 等模型可以生成通过验证器的解决方案，但其规范本身却常常不完整。研究发现，对于较小的模型，一些生成的规范含糊不清，甚至有一个包含了一个验证器错过的错误。这凸显了一个关键的差距：AI 代理可以满足证明要求，但由于代理同时编写代码和规范，因此无法真正确保代码的正确性。
-
新的审计方法使 Verus/Rust 程序正确性证据发现加倍
arXiv 上的一篇新研究论文介绍了一种名为相位分离完整性审计 (Phase-Separated Completeness Auditing) 的 Verus/Rust 程序方法。该技术旨在通过避免可能掩盖错误证据的反馈循环来提高程序正确性的发现。研究发现，与纠正性反馈方法相比，这种无反馈方法认证证人的产出量增加了一倍以上，从而提高了规范修复和实现成功率。
-
新基准 'claimcheck' 解决 AI 生成规范的忠实度问题
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。
-
SkillForge 框架生成形式化验证的 Dafny 程序
研究人员开发了 SkillForge，一个新颖的框架，旨在根据自然语言描述生成形式化验证的 Dafny 程序。该系统将复杂任务分解为可重用技能库，每个技能处理一个特定子任务，如规范推断或错误诊断。一个由验证驱动的约束器协调这些技能，将代码提交给 Dafny 验证器，诊断失败，并路由到适当的修复技能，直到达到形式正确性或满足资源预算。与现有的基于代理和迭代的方法相比，SkillForge 在自然语言到 Dafny 规范的基准测试中表现出…
-
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
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。
-
新系统Formal Disco可大规模生成已验证的代码数据集
研究人员开发了Formal Disco，一个旨在生成大量形式化验证程序数据集的可扩展系统。该系统采用分布式方法，包含三种类型的AI工作者：启动者负责勾画程序，修复者负责解决验证错误，扩展者负责扩展现有代码。Formal Disco旨在通过创建合成数据来克服形式化验证中的数据稀缺问题，这些数据已被用于微调开放模型，使其在与验证相关的任务上达到或超过Claude Opus 4.5的性能。该项目还引入了最大熵原理来生成多样化的程序，并发布了…
-
新的基准MINIF2F-DAFNY测试LLM的数学定理证明能力
研究人员开发了MINIF2F-DAFNY，这是一个用于评估大型语言模型（LLM）在数学定理证明方面的新基准。该系统将miniF2F基准转换为Dafny，一个自动主动验证器，使LLM能够指导证明生成，而Dafny的自动定理证明器则处理低级细节。在评估中，表现最佳的LLM Claude Opus-4.6 达到了 62.7% 的累积通过率，显著优于基线性能。
-
新基准揭示AI在验证代码生成方面存在困难
一个名为AlgoVeri的新基准已被开发出来，用于评估AI模型在为经典算法生成形式化验证代码方面的性能。该基准在三种语言：Dafny、Verus和Lean中测试模型，揭示了显著的能力差距。虽然Gemini-3 Flash在Dafny中表现出中等成功，但在Verus和Lean中的表现却显著下降，这凸显了在内存约束和显式证明构建方面的挑战。
-
AI模型通过新的验证技术改进代码生成
研究人员开发了新方法来提高大型语言模型生成正确代码和证明的能力。一种方法 TTRL-CoCoV 使用置信度条件验证来增强无标签设置下的覆盖率和准确性，在多个基准测试中显示出显著的提升。另一项研究探索使用强化学习和递归推理来自动化形式验证，通过将证明生成视为结构化搜索过程，实现了更高的验证程序生成率。
-
研究人员开发使用神经方法为命令式程序构建图
研究人员开发了一个管道，将命令式程序及其注解转换为类型化、属性化的图。该过程结合了抽象语法树解析与来自 SentenceTransformer 和 CodeBERT 等模型的语义嵌入。目标是识别程序之间的结构和语义相似性，以便重用验证工件。使用 C、Java 和 Dafny 进行的实验证明了跨不同语言和注解风格创建一致图表示的能力。
-
SEVerA 框架验证自进化 AI 代理的安全性与正确性
研究人员推出了 SEVerA，一个旨在通过形式化安全性和正确性保证来合成自进化 AI 代理的框架。该方法将代理代码生成视为一个受约束的学习问题，将形式化规范与任务效用目标相结合。SEVerA 采用形式化守护生成模型 (FGGM) 来封装底层模型，确保输出符合指定合同并提供经过验证的回退机制。该框架在程序验证和符号数学合成等任务中取得了成功，实现了零约束违规，同时优于无约束基线。
-
AI 模型在形式化代码生成中实现高验证成功率
研究人员开发了一个新的数据集 NL2VC-60，包含 60 个算法问题，旨在帮助从自然语言生成已验证的代码。他们评估了七个开源大语言模型（LLM），采用了多种提示策略，包括利用 Dafny 验证器反馈的自修复提示。这种方法显著提高了性能，其中 Gemma 4-31B 的验证成功率达到了 90.91%，而 GPT-OSS 120B 在引导反馈下达到了 81.82%。
-
新的大语言模型研究探索结构化标记、伦理评估和验证
研究人员正在探索新的方法来提高大语言模型（LLM）的性能和可靠性。IBM 推出了 LLMON，一种原生于大语言模型的标记语言，旨在为模型提供明确的结构和语义，以减少脆弱性并增强对提示注入的安全性。此外，像 MoralBench 这样的新基准正在被开发出来，用于评估大语言模型的伦理推理能力，揭示了不同模型之间存在的显著差异。其他研究则侧重于大语言模型辅助验证复杂算法、使用代码作为大语言模型行为的可验证解释，以及理解大语言模型如何编码和处…