标签
一篇立场论文,提出“有依据的复用主张”(WRC)和“保留论证依据的证据迁移”(WPET),作为一个形式化框架,用于判定在上下文变化时,哪些历史证据仍可被采纳,以支持复用大语言模型智能体的技能。其贡献在于形式化的问题陈述、设计要求和报告协议,而非已实现的验证器。
一篇关于使用轻量级形式化方法(参考模型、基于属性的测试、无状态模型检查)来验证 Amazon S3 Express One Zone 分布式元数据索引的论文,表明这种方法能够以可持续的方式扩展到生产工程实践中。
五部国家所得税法典(美国、法国、英国、德国、日本)被编码为开源 Lean 程序,并与官方政府软件和税表进行交叉审计,发现了 irs.gov、法国税务计算器、GOV.UK/HMRC 工具、《美国法典》以及 OECD 数据中的现存错误,还发现了新披露的税务漏洞。
该论文提出了 BernBRS,这是一种用于对 DeepBernNets 进行可认证后向可达性分析的可扩展框架。该框架通过基于激活模式细化输入空间覆盖,计算后向可达集的经认证内近似和外近似,并在 Half-Cheetah 和基于 TinyBERT 衍生的模型上进行了验证。
本文通过引入合取式反事实解释(CFXps),在最近世界反事实语义与基于特征的形式化可解释人工智能(XAI)之间架起桥梁,建立了其与溯因解释(AXps)和对比解释(CXps)之间的结构性联系,并展示了在树集成模型和神经网络上高效计算这些解释的方法。
Tom 7 的 noperts 代码仓库展示了关于非鲁珀特多面体的形式化结果,包括一个经 Lean 验证的七顶点“Septopert”——顶点数最少的 Nopert——以及所有顶点数不超过六的凸多面体均为鲁珀特多面体的证明,从而完成了对柏拉图多面体、阿基米德多面体和卡塔兰多面体的分类。
一篇纪念希尔伯特纲领提出一百周年的反思性文章,回顾了哥德尔不完备性定理和图灵停机问题如何使这一纲领受挫,并论证如今由 Lean 等证明助手驱动的 AI 智能体正在实现希尔伯特的“证明机器”,对数学和计算机科学产生深远影响。
作者提出一个基于模板/表单模式的中介器架构,将不可信用户输入限制在带校验的类型化表单内,从而把 prompt injection 与具备副作用的智能体隔离,并给出了形式化模型与安全性质。
Lean4AgenticRL 提出了首个基于 Lean4 形式化框架的多层级过程奖励方法,用于开放式 agentic RL 训练,并训练出 LAR-9B/27B 模型,其中 LAR-27B 在 TerminalBench-2.1 上达到 77.3%,显著超越同规模领先模型。
该论文提出 DRAGO 框架,用确定性的形式化诊断替代无依据的 LLM 批评来修复 LLM 生成的形式化规范,在五个基准上将规范回归率从 11.8% 降至 1.3%,并显著提升答案准确率。
FRACTAL 提出一种自相似的多智能体编排架构,通过递归目标分解在每层复用五组件结构,并给出通信复杂度、收敛保证与分解深度的形式化界限。
该论文提出一种层次化反馈引导的LLM规划框架,将自然语言指令转换为多组件信息物理系统(CPS)的可执行任务计划与STL约束,并通过诊断反馈修正不一致,GPT-5在七个场景上达到87.9%的成功率。
ASMC 是一个将 Ghidra 的 p-code 汇编语义提升到 CBMC GOTO IR 的开源工具,用于对 x86-64 汇编进行有界模型检查,支持汇编验证、翻译验证与 C 级规格断言等多种用途。
HOL Light 教程提供了一套循序渐进的快速入门指南,通过分级示例帮助用户快速上手 HOL Light 定理证明器,涵盖安装、OCaml 基础、项与类型、命题逻辑、重写与战术等核心内容。
提出一种以程序验证器为奖励信号的智能体强化学习框架,通过读取验证器诊断信息(而非二元判决)并加入完整性审计,显著提升Qwen3系列模型在DafnyBench和SWE-Proof等验证基准上的正确率(最高达100%)。
Terence Tao 分享了题为「Math 2.0」的 Caltech 2026 演讲幻灯片,探讨 AI 与形式化方法将如何改变数学研究与证明的未来。
一位实践者报告了 1,680 次配对 A/B 试验,结果表明,经典 Unix 和计算机科学形式化方法(熔断器有限状态机、SysV init-d 运行级别、git bisect、契约式设计、两阶段提交加预写日志、扩展巴科斯范式)在提升 LLM 智能体可靠性方面远胜于冗长的英语提示规则,并认为提示本质上是对训练语料中高频结构的静态符号链接。
该论文提出 BRaVeS(DNRS)框架,通过不变锚点、深度感知注意力与 Lyapunov 共识机制约束智能体推理的自主性,防止认知漂移,并在工业控制仿真中验证了有限步收敛与零安全违规。
Law&Order 是一个神经-符号框架,它将大语言模型的合成能力与单元级符号验证及迭代错误修复相结合,能够自动将税表形式化为可执行程序。在 TaxCalcBench 的 51 份留出测试报税表上,该框架达到了 100% 的准确率,而表现最好的单一大语言模型仅为 66%。
本文提出了一种简洁的信念规范道义逻辑(doxastic deontic logic),将 Chellas 的极小道义逻辑(Minimal Deontic Logic)与多智能体 KD45 相结合,用于处理在规范相互冲突且信念不可靠的情况下的规范引导决策问题;文中定义了信念规范符合最优化问题(Doxastic Norm Compliance Optimization Problem),并证明了该问题在何种条件下可在多项式时间内归约为加权部分 MaxSAT。