创新型人工智能系统在无缺陷软件验证方面展现出巨大潜力

传统上， 软件代码验证 是一个劳动密集型过程，涉及人工代码审查或运行代码以识别dent。虽然这些方法很有价值，但它们容易出现人为错误，并且对于复杂的系统来说并不实用。

Baldur 应运而生，这是一款精心设计的解决方案，它利用大型语言模型 (LLM) 的强大功能maticmatic。通过针对大量matic内容和用于证明的 Isabelle/HOL 语言对 LLM 进行微调，Baldur 在自动化曾经繁琐的任务方面取得了巨大飞跃。最终成果？该系统与定理证明器协同工作，验证代码的正确性，从而显著降低了错误率。.

Baldur成功的关键在于与Thor的合作，Thor是一款负责matic生成验证证明的工具。Thor本身的成功率高达57%，但与Baldur结合后，两者的验证准确率更是达到了惊人的65.7%。这对灵感源自北欧神话的黄金搭档，展现了人工智能驱动的软件验证的巨大潜力。.

法学硕士面临的挑战

在使用诸如 ChatGPT 之类的逻辑推理模型 (LLM) 时，面临的主要挑战之一是它们偶尔会出现错误。这些模型不会发出警报，而是“悄无声息地失败”，提供看似有效但实则错误的结论。解决这个问题对于确保人工智能生成的证明的可靠性至关重要。.

Baldur 的开发绝非易事，耗时数月，并需要与 Google 的合作。该项目的主要作者 Emily First 使用了 Minerva的 118GB 大型数据集上进行了微调maticmaticmaticmaticmaticmaticmaticmaticmaticmaticmaticmaticmaticmaticmaticmaticmatic。

Baldur 的错误纠正机制非常巧妙。当定理证明器dent出生成的证明中的错误时，它会将此信息反馈给 Baldur，使系统能够从错误中学习。这种迭代过程提高了证明的准确性和可靠性，使其成为一种高效的代码验证工具。.

无缺陷软件前景光明

尽管仍有改进空间，但 Baldur 代表了一种很有前景的形式化软件验证方法。工程师仍然负责软件开发，但现在他们拥有了 Baldur 这个强大的助手，它能够自动生成matic证明。.

马萨诸塞大学阿默斯特分校曼宁信息与计算机科学学院的教授尤里·布伦评论道：“我们的工作重点是尝试自动编写这些证明。Baldur 使用大型语言模型，给定一个matic定理，自动matic该定理的证明，然后由定理证明器进行验证。”

Baldur项目的成功归功于为此项目不懈努力的敬业团队。除了Emily First之外，当时就职于谷歌的Markus Rabe以及伊利诺伊大学厄巴纳-香槟分校的助理教授Talia Ringer也做出了重要贡献。美国国防高级研究计划局（DARPA）和国家科学基金会（NSF）为该项目提供了支持。.

随着科技行业努力应对日益复杂的软件系统，像Baldur这样的创新解决方案带来了希望。随着人工智能能力的不断发展和成熟，Baldur将软件正确性提升到新高度的潜力依然十分可观。.