首个代码库级形式化验证基准 Vero 发布
dawnsongtweets · x · 2026-08-23
Dawn Song 团队推出 Vero，这是首个用于联合实现和证明合成的代码库级基准，旨在评估 AI 构建经形式验证软件的能力。Vero 包含 43 个多模块 Lean 4 实例，涵盖 743 个 API 和 2705 个规范。评测显示，即使是最强的前沿代理（GPT-5.5 高推理模式）在 90 分钟内也仅完全验证了 43 个仓库中的 27 个。研究揭示了跨模块不变量所需的引理库构建是当前主要的能力短板。
所属事件:Dawn Song 团队发布首个代码库级形式化验证基准 Vero(8 条相关)→
「编程与Agent」频道最新
- 多智能体协作完成工程设计与制造，支持手表交互 — ProfBuehlerMIT · 2026-08-23
- Bezalel上线:一个MCP给Agent配上记忆、邮箱、电脑和支付 — Rasmic · 2026-08-23
- 多模型协作 Agent 实战：GPT 写 Claude 审，自动产出 PR — Saboo_Shubham_ · 2026-08-23
- 开源AI多主机管理系统：支持Agent与自托管工作流 — ii_social · 2026-08-23
- Agensis 更新：自动检测长请求并添加任务 — jasonkneen · 2026-08-23
- 开源ChatGPT增强工具：支持子Agent、文件操作与电脑控制 — Present-Boat-2053 · 2026-08-23