Verus/Rust 规格完整性审计研究

2026 年 10 月 16 日，arXiv 人工智能板块刊出 Adarsh Agrawal 的研究《Verus 正确性反馈为何抹除证据：相位分离的完整性审计》，该论文已被 NeurIPS 2026 Workshop on AI for Verifiable Coding 接收。研究关注规格完整性审计本应揭示的现象：程序满足书面契约却违反预期行为。作者称，在 12 个 Verus/Rust 任务、四个模型家族、匹配调用预算下，正确性反馈会抑制这一证据。据其报告，无反馈独立发现的认证见证产出率为 59.0%，是 IntentShield 纠正反馈循环 27.1% 的两倍以上，差距主要来自反馈内容而非独立重启。作者同时指出，该效应在现有的 Dafny 与 Lean 评估中未复现，从而为所研究的 Verus/Rust 工作流划定了经验边界。上述数字与结论均出自该论文自身表述。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。