論文の概要: LLM-Assisted Verification in Dafny
- arxiv url: http://arxiv.org/abs/2611.16886v1
- Date: Thu, 12 Nov 2026 14:48:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.490127
- Title: LLM-Assisted Verification in Dafny
- Title(参考訳): LLMによるダニーの検証
- Abstract要約: 大規模言語モデル(LLM)はプログラムコードと証明フラグメントを生成することができるが、完全なマシンチェックによる検証を確実に開発することは依然として困難である。
本稿では,Dafny検証システムを用いて,LLMを用いた科学アルゴリズムの検証を行うための10ステップの体系的ワークフローを提案する。
グラフ理論とラベル付き遷移系から37の複素アルゴリズムのアプローチを評価する。
- 参考スコア(独自算出の注目度): 0.37851234061033856
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Formal verification of complex algorithms requires expertise in program specification, invariant construction, mathematical proof, and the management of automated theorem provers. Although large language models (LLMs) can generate program code and proof fragments, reliably developing complete machine-checked verifications remains challenging: it requires an iterative process of constructing and validating specifications and invariants, building proofs, diagnosing solver failures, and optimizing verification performance. This paper presents a systematic ten-step workflow for LLM-assisted verification of scientific algorithms using the Dafny verification system. The workflow integrates algorithm formalization, contract development, empirical invariant validation, proof construction, bottleneck profiling, and resource-driven proof optimization. We applied the workflow using Antrhopic's Claude Opus 5 and Opus 5.5 models, combining LLM-driven development with automated testing and verification feedback, while retaining human oversight for correctness-critical decisions and strategic interventions. We evaluate the approach on 37 complex algorithms from graph theory and labelled transition systems. Notably, we verified the Hopfcroft-Tarjan triconnectivity test, demonstrating that even highly challenging algorithmic verification tasks can be carried out through a structured LLM-assisted workflow. Many of our machine-checked verifications were obtained within hours to a few days of interactive development. Our results suggest that LLM-assisted workflows can shift the role of the human verifier from detailed proof construction toward supervision, specification review, and strategic guidance.
- Abstract(参考訳): 複雑なアルゴリズムの形式的検証には、プログラム仕様、不変構成、数学的証明、自動定理証明器の管理に関する専門知識が必要である。
大規模な言語モデル(LLM)はプログラムコードと証明フラグメントを生成することができるが、完全なマシンチェックによる検証を確実に開発するには、仕様と不変性の構築と検証、証明の構築、解決器の故障の診断、検証性能の最適化といった反復的なプロセスが必要である。
本稿では,Dafny検証システムを用いて,LLMを用いた科学アルゴリズムの検証を行うための10ステップの体系的ワークフローを提案する。
このワークフローは、アルゴリズムの形式化、契約開発、経験的不変性検証、証明構築、ボトルネックプロファイリング、リソース駆動型証明最適化を統合している。
We applied the workflow using Antrhopic's Claude Opus 5 and Opus 5.5 models, with LLM-driven development with automated testing and validation feedback, while maintaining human oversight for correctness- critical decision and strategic interventions。
グラフ理論とラベル付き遷移系から37の複素アルゴリズムのアプローチを評価する。
特に, Hopfcroft-Tarjan三コネクティビティテストの検証を行い, 構造化LLM支援ワークフローを用いて, アルゴリズム検証作業の高度化を実証した。
マシンチェックによる検証の多くは、数時間から数日のインタラクティブな開発で得られたものです。
この結果から, LLM支援ワークフローは, 人間の検証者の役割を, 詳細な証明構築から, 監督, 仕様レビュー, 戦略的ガイダンスへとシフトさせることができることが示唆された。
関連論文リスト
- From Atomic to Agentic: Towards Interpretable Evaluation of LLMs' Agentic Mathematical Capabilities [103.60384544335072]
大規模言語モデル(LLM)は、エンドツーエンドの数学的推論からエージェントインテリジェンスの統合へと進化している。
本フレームワークは,問題解決エージェントの挙動を,再利用可能な数学的原子能力の構造化された分類法と整合させる。
実験により、同様のエンドツーエンドの精度を持つモデルでは、エージェント能力プロファイルが著しく異なることが判明した。
論文 参考訳(メタデータ) (2026-08-27T10:52:06Z) - UCAgent: An End-to-End Agent for Block-Level Functional Verification [6.457681841963143]
制約ランダムや形式的検証を含む従来の手法は、現代の半導体設計の複雑さの増大に追随する。
大規模言語モデル(Ms)の最近の進歩は、コード生成とタスク自動化の約束を示している。
本稿では,コア機構上のハードウェアブロックレベルの機能検証を自動化するエンドエージェントであるUPAgentを提案する。
論文 参考訳(メタデータ) (2026-03-26T07:21:27Z) - AgentFixer: From Failure Detection to Fix Recommendations in LLM Agentic Systems [7.429835301272413]
フレームワークには15の障害検出ツールと2つの根本原因分析モジュールが含まれている。
軽量なルールベースのチェックとLDM-as-a-judgeアセスメントを統合し、構造化インシデント検出、分類、修復をサポートする。
我々は、このフレームワークをIBM CUGAに適用し、AppWorldとWebArenaベンチマークのパフォーマンスを評価した。
論文 参考訳(メタデータ) (2026-02-18T14:55:35Z) - Veri-Sure: A Contract-Aware Multi-Agent Framework with Temporal Tracing and Formal Verification for Correct RTL Code Generation [4.723302382132762]
シリコングレードの正しさは、 (i) シミュレーション中心の評価の限られたカバレッジと信頼性、 (ii) 回帰と修復幻覚、 (iii) エージェントハンドオフ間で意図が再解釈される意味的ドリフトによってボトルネックが残っている。
エージェントの意図を整合させる設計契約を確立するマルチエージェントフレームワークであるVeri-Sureを提案する。
論文 参考訳(メタデータ) (2026-01-27T16:10:23Z) - Integrating Expert Knowledge into Logical Programs via LLMs [3.637365301757111]
ExKLoPは、大規模言語モデルが専門家の知識を論理的推論システムに統合する方法を評価するために設計されたフレームワークである。
この能力は特にエンジニアリングにおいて有用であり、製造業者が推奨する運用範囲などの専門家の知識を、自動化された監視システムに直接組み込むことができる。
論文 参考訳(メタデータ) (2025-02-17T19:18:23Z) - Benchmarking Agentic Workflow Generation [80.74757493266057]
複数面シナリオと複雑なグラフワークフロー構造を備えた統合ワークフロー生成ベンチマークであるWorfBenchを紹介する。
また,サブシーケンスとサブグラフマッチングアルゴリズムを利用したシステム評価プロトコルWorfEvalを提案する。
我々は、生成されたタスクが下流のタスクを強化し、推論中により少ない時間で優れたパフォーマンスを達成することを観察する。
論文 参考訳(メタデータ) (2024-10-10T12:41:19Z) - Improving LLM Reasoning through Scaling Inference Computation with Collaborative Verification [52.095460362197336]
大規模言語モデル(LLM)は一貫性と正確な推論に苦しむ。
LLMは、主に正しいソリューションに基づいて訓練され、エラーを検出して学習する能力を減らす。
本稿では,CoT(Chain-of-Thought)とPoT(Program-of-Thought)を組み合わせた新しい協調手法を提案する。
論文 参考訳(メタデータ) (2024-10-05T05:21:48Z) - Designing Algorithms Empowered by Language Models: An Analytical Framework, Case Studies, and Insights [86.06371692309972]
本研究では,大規模言語モデル(LLM)に基づくアルゴリズムの設計と解析のための分析フレームワークを提案する。
提案する枠組みは頭痛を緩和する試みとして機能する。
論文 参考訳(メタデータ) (2024-07-20T07:39:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。