Pedro Ribeiro、Martim Afonso、André Vasconcelos 和 João F. Ferreira 在 2026 年 10 月 30 日提交至 arXiv 的论文中介绍了 VerusWeave。这项基准面向修复并发 Verus 程序数学证明的编程智能体,旨在补充现有 Verus 基准对并发问题覆盖不足的部分。[1]
Verus 为 Rust 扩展了形式化验证能力。据摘要介绍,VerusWeave 的任务源自四个开源项目,包括 75 项局部任务和 17 项完整模块变体。任务会删除选定的数学证明注解,要求智能体补全缺失内容,同时保留可执行代码和规格说明。这意味着,保持原有验证目标也是评估的一部分。[1]
作者称,评估框架使用 Verus 和变更检查器检查修复,并记录解答、执行轨迹及资源使用情况。对四种通用编程智能体框架的初步评估显示,局部任务成功率为 75–85%,完整模块变体为 29–47%。这些数字属于作者报告的结果;保存的摘要没有列出四种框架的名称,也没有提供其配置或详细评分规则。[1]
[1]: https://arxiv.org/abs/2611.00287
来源
核查或更正本页
- 更正
- 提交更正请求 · 在 GitHub 编辑源文件 · 更正政策