新基准测智能体写形式化证明
OfirPress · x · 2026-07-09
Balaji Rao 等人发布了 s2n-bignum-bench，用来评测智能体在 HOL Light 中为 Amazon 的 s2n-bignum 仓库里的密码学汇编代码编写证明的能力。帖子提到，Codex 5.3 xhigh 目前只拿到 6.3% 的成绩，说明这个基准仍有很多可改进空间。
「编程与Agent」频道最新
- Reticle 推出 AI 编码代理验证层：让 agent 自查生成的代码是否真的能跑 — Scobleizer · 2026-10-27
- 开发者正训练「看门模型」：专门拦截提示注入与记忆投毒 — gnukeith · 2026-10-27
- 开发者训练 4GB 显存可跑的哨兵模型,专防 prompt 注入与记忆投毒 — gnukeith · 2026-10-27
- AI 编程编辑器 Paradev 获 1150 万美元种子轮，USV 领投 — massimosgrelli · 2026-10-27
- 前大厂管理者观点：把团队换成 agents，优秀管理方法论依然成立 — lxfater · 2026-10-27
- 让 Claude 调试航司酒店官网,日期选择器全是 NaN 翻车现场 — lilyraynyc · 2026-10-27