VerusWeave 并发证明修复基准发布

Pedro Ribeiro 等研究者发布 VerusWeave，称其为首个专门评测并发程序证明修复的基准。该基准源自四个开源项目，包含 75 个聚焦任务和 17 个完整模块变体；任务做法是删除部分证明标注、保留可执行代码与规格说明，要求智能体补全空缺。 在评测中，四个通用编码智能体在聚焦任务上的成功率为 75–85%，但在完整模块变体上只有 29–47%，说明任务范围扩大到完整模块后，补全证明的难度明显上升。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。