Newest papers

VeruSteer: Learning What to Repair Next in Verus

Chao Jiang, Ding Wang, Chaohua Yang, Dugang Liu, Zhiwu Xu, Cheng Wen, Zhong Ming, Yuwei Liu · 2026 · arXiv

DOI: 10.48550/arXiv.2610.29755 · open-access PDF

Spanish

Los sistemas de verificación basados en LLM reparan las pruebas de Rust revisando programas en respuesta a los diagnósticos de Verus. Cuando se reportan varios tipos de errores, las tuberías como AutoVerus y VeruSAGE seleccionan el próximo objetivo de reparación utilizando una prioridad predeterminada. Sin embargo, cada reparación cambia el programa y los errores que siguen, por lo que los mismos tipos de negocios pueden requerir diferentes opciones en diferentes estados. Presentamos VeruSteer, que aprende a seleccionar los tipos de errores a partir de los resultados de las trayectorias de reparación alternativas. Construye árboles de reparación fuera de línea y compara los caminos del mismo programa inicial por el éxito de verificación.

Machine translation (Meta M2M100); the English original follows.

Abstract

LLM-based verification systems repair Rust proofs by revising programs in response to Verus diagnostics. When several error types are reported, pipelines such as AutoVerus and VeruSAGE select the next repair target using a preset priority. Yet each repair changes the program and the errors that follow, so the same reported types can require different choices at different states. We present VeruSteer, which learns to select error types from the outcomes of alternative repair trajectories. It constructs repair trees offline and compares paths from the same initial program by verification success

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange