Claude доказал, что 239 точек входа библиотек не падают, на основе около 180 миллионов строк Rocq
Anthropic превратила существующие фаззинг-тесты 123 библиотек OSS-Fuzz в спецификации, а затем Claude написал проверенные машиной доказательства об их бинарниках RISC-V.
Свойство скромное: ни падения, ни провалившегося утверждения для любого входа меньше 64 МБ. Типичное доказательство — около 600 000 строк для бинарника примерно из 18 000 инструкций; процесс нашёл сотни багов, включая один, для которого нужен вход около 20 МБ.
Доказательства покрывают статические сборки musl на RISC-V, а не x86 и glibc, которыми пользуется большинство.
Что на самом деле доказано
Пост Anthropic утверждает, что LLM делают формальную верификацию осуществимой в масштабе. Доказательства написаны на Rocq, над ассемблером бинарников RISC-V, поэтому они не доверяют компилятору. Спецификация для каждой библиотеки берётся из её фаззинг-тестов: программа никогда не падает на любом входе меньше 64 МБ. Допущения включают однопоточный статический бинарник, фиксированную память и Linux.
Результаты: 239 точек входа в 123 библиотеках, около 180 миллионов строк Rocq всего, сотни найденных багов, иногда исправленных Claude до доказательства. Интерпретатор Python на Rust совпал с CPython на 99,95% из 1,7 миллиона случайных программ. Авторы перечисляют ограничения: доверенная база включает проверяющую программу Rocq и модели железа и ОС, а агент мог бы сделать теорему доказуемой, ослабив программу, поэтому патчи проверялись аудитом.
Скепсис насчёт того, что именно доказано
Один комментатор процитировал приложение о масштабировании:
«Доказательства, написанные агентами, так же «хороши», как любые другие доказательства той же теоремы: они доказывают эквивалентность. Однако пока неясно, смогут ли агенты масштабировать этот многословный стиль доказательств на более сложные программы» — комментатор, цитирующий приложение к статье
Другой спросил, не бессмысленно ли исправлять падения, найденные фаззером, а потом доказывать исправление. Третий спросил, откуда кто-то знает, что утверждение моделирует настоящую программу. Если вы поддерживаете библиотеку на C, вывод уже заголовка: доказательство отсутствия падений — планка, к которой фаззинг может приблизиться, но которую он не может подтвердить.
Получайте такие разборы каждый день
Главные истории Hacker News — на email, в Telegram или RSS.
GNU Taler основывает немецкую компанию и будет просить BaFin о лицензии на электронные деньги
Первоначальный план использовать GLS Bank как эмитента провалился в январе 2026 года, поэтому в Бохуме создаётся Taler Operations AG, которая будет подавать заявку сама.