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

  1. VerusWeave: A Benchmark for Proof Repair in Concurrent Verus ProgramsarXiv · 2026年10月30日

核查或更正本页

验证记录

下方摘要可以说明你读到的文字是否与公开的源文件一致,但不能说明报道内容本身正确。这一摘要在构建时根据本页的 Markdown 源文件计算,并列入站点清单。

38d5a12a95d21632d8319c68a224ead87034859b368cbb058ac827b7cb504b37