★ 4
验证器驱动的智能体 RL 实现可证明正确代码
论文构建智能体环境与奖励，读取程序验证器的诊断而非仅判定结果，按已履行证明义务的加权比例评分，并加入完整性审计防止策略作弊。在 Qwen3 系列模型上，DafnyBench 留出验证率从 66.1% 升至 93.5%，SWE-Proof 从 56.3% 升至 100%，仓库补丁问题解决率从 59.…
arXiv cs.LG18 天前
#代码验证
共 6 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
EasyProver：递归智能体Lean证明系统解出669/672 PutnamBench
论文提出EasyProver，由隔离上下文的递归智能体、异步搜索、并行策略探测与弹性精化服务构成，无需额外训练即解出669/672道PutnamBench题与全部6道IMO 2026形式化题。团队同时发布Aegis基准，将竞赛编程题转为真实实现上的Lean验证任务，EasyProver在2000条…
arXiv NLP3 天前
★ 3
Kern 发布 AI 生成代码零信任验证网关
Kern 是一个位于 AI 编码代理与代码仓库之间的 L0–L5 验证网关，用 SMT 求解器与形式化证明替代「测试通过」的布尔结果。它采用 Belnap B₄ 四值逻辑，只有机器可验证的声明才能通过，防止 AI 代理用无断言测试蒙混过关。
Hacker News – AI17 天前
★ 3
MaruCheck：面向AI生成代码的独立QA验证工具
MaruCheck 是一款开源、本地优先的 QA 验证工具，用于检验 AI 编码代理生成的代码是否符合人类既定的质量契约。它通过独立于被测代码的规格文件，检测语义漂移与行为变更，并可注册为 Claude Code 的 Stop 钩子强制验证。项目已在 NPM 发布，支持与 Playwright、J…
Hacker News – AI53 天前
★ 2
手淘 TEKO 写验修自主闭环工程实践亮相 QCon 上海
手淘团队在 QCon 上海分享 TEKO 的「写—验—修」自主闭环工程实践，探讨 AI 写完代码后如何验证的问题。内容聚焦 AI 编程代理在真实电商业务中的落地经验。
InfoQ AI17 天前
★ 2
AI 编程代理可自证工作成果
Hacker News 上发布了一个名为 0.10 的项目，主打 AI 编程代理能够证明自己完成的工作。该工具试图解决 AI 生成代码难以验证的痛点，通过让代理提供可核验的证据来提升可信度。目前讨论热度较低，属于早期开发者工具探索。
Hacker News – AI37 天前