Verus
PulseAugur coverage of Verus — every cluster mentioning Verus across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
新的AI框架TopoVerus助力软件证明修复
研究人员开发了TopoVerus，一个旨在改进形式软件验证中证明修复过程的新框架。该系统利用大型语言模型生成反例，与验证器的简单通过/失败信号相比，反例提供了更具可操作性的反馈。TopoVerus的目标是通过训练模型将其生成反例作为诊断目标，以提高证明修复的成功率，从而在一次运行中生成有用的反例。该框架还引入了一个课程，根据拓扑依赖关系指导不变式修复，在多个基准测试中优于Claude Sonnet 4.5等现有方法。
-
新的游戏化基准测试挑战AI编码代理进行Rust验证任务
研究人员开发了SeVerus，一个新颖的游戏化基准测试系统，旨在评估编码代理在Rust编程语言中执行验证任务的能力。该系统通过逐步移除必要的证明上下文来挑战代理，创建具有多个难度级别的任务。使用SeVerus对六个开源Verus项目进行的实验生成了800多个任务和10,000个级别，显示随着证明上下文的撤回，代理的成功率下降，成本增加。研究发现，即使是最有能力的代理在较长的任务中也举步维艰，通常会找到替代的证明策略，而不是重现被隐藏的引理。
-
Microsoft Research 发布 PDD Kit 用于 AI 生成代码的形式化验证
Microsoft Research 开发了 PDD Kit，一个旨在对 AI 代理生成的代码进行形式化验证的工具。该工具集与 GitHub Next 的 Chopin 环境集成，并使用 Verus 规范语言来确保代理编写的代码符合开发者的意图。PDD Kit 旨在使没有专业背景的开发者也能进行形式化验证，以应对随着 AI 代理生成代码库规模不断增大而带来的代码审查扩展性挑战。该系统证明代码对所有输入都满足其规范，提供了比传统测试方法更强的保证。
-
Claude AI 生成 1.8 亿行代码证明，发现数百个错误
Anthropic 的 Claude 模型与 Theorem 合作，在形式验证方面取得了重大里程碑，为 123 个开源库的 239 个入口点生成了约 1.8 亿行机器检查证明。这项广泛的验证工作远远超出了手动能力，发现了传统模糊测试方法遗漏的数百个错误。虽然这种大规模验证的直接应用很复杂，但提供了一个简化的、一小时版本的流程，供开发人员用于常见的代码元素，如签名下载链接。
-
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。
-
基于 Lean 的验证器解决了 1007 个竞赛编程证明
研究人员开发了一种新颖的方法，使用基于 Lean 4 编程语言的验证器自动生成竞赛编程问题的证明。该系统成功证明了 VeriContest 问题集（旨在测试证明生成能力）中 1007 个问题上的所有 1325 个定理。虽然 Claude Opus 5.5 等前沿模型在第一次尝试时成功率为 13.95%，但基于 Lean 的验证器在第一次迭代中证明了 70% 的定理，并在 32 小时内完成了全部集合，每个证明的成本为 1.17 美元。
-
亚马逊的 Verus 工具凸显了 AI 代码审查的局限性
亚马逊强调了 Verus，一个 Rust 验证器工具，该工具可以根据数学规范机械地证明代码的正确性，这与 AI 驱动的代码审查形成了鲜明对比。与评判代码质量的 AI 模型不同，Verus 基于可验证的标准提供通过/失败的判断，类似于强化学习模型如何根据查询执行时间等客观指标进行训练。这一区别表明，改进 AI 代码审查需要关注可验证的方面，而不是依赖主观判断。
-
新的RESUME CONTRACT论文发现AI代理工作流持久化存在重大缺陷
一项新的研究论文介绍了RESUME CONTRACT，这是一个机器检查的一致性合同，旨在标准化工作流持久化层中的检查点、中断和恢复语义。研究发现，包括LangGraph和CrewAI在内的五个广泛使用的代理工作流框架，在这些语义方面表现出不一致且经常违反的行为。RESUME CONTRACT规定了六个属性以确保可预测的执行，其中TLA+模型对这些属性进行了详尽的验证，故障矩阵识别了关键的故障点，尤其是在并发交付场景中。
-
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…
-
新的评估框架通过改变实现方式而非仅仅是AI模型来测试软件安全
这篇博文提出了一个多维度评估框架，用于评估软件的安全性，特别是在AI辅助开发的环境下。作者建议，与其仅仅改变被测试的AI模型，不如改变其他组件，例如不同的编程语言、形式化验证工具或容器运行时。这种方法旨在通过保持AI能力不变，并针对不同的实现和环境进行测试，从而更全面地理解软件的健壮性。作者举例说明了容器安全评估和压缩算法的形式化验证，认为这些是迈向多维度评估的步骤。
-
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使用证明检查器生成形式化验证代码
研究人员开发了一种名为归纳演绎综合（Inductive Deductive Synthesis）的新AI方法，该方法在其实现循环中使用了证明检查器。这种方法类似于思维链（chain-of-thought），但具有形式化验证的中间状态，使AI能够生成形式化验证的系统。该系统以规范作为输入，并生成经过验证的实现原型，并计划与其他证明助手（如用于Rust输出的Verus）集成。