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

Hindi

एलएलएम-आधारित सत्यापन सिस्टम वर्स निदान के जवाब में प्रोग्रामों को संशोधित करके रस्ट सबूतों को मरम्मत करते हैं. जब कई त्रुटि प्रकार की रिपोर्ट की जाती है, तो ऑटोक्यूरस और वर्सएज जैसे पाइपलाइन एक पूर्व सेट प्राथमिकता का उपयोग करके अगले मरम्मत लक्ष्य का चयन करते हैं. हालांकि, प्रत्येक मरम्मत कार्यक्रम और निम्नलिखित त्रुटिओं को बदलती है, इसलिए एक ही व्यवसाय प्रकार को अलग-अलग राज्यों में अलग-अलग विकल्पों की आवश्यकता हो सकती है. हम VeruSteer को प्रस्तुत करते हैं, जो वैकल्पिक मरम्मत मार्गों के परिणामों से त्रुटि प्रकारों का चयन करना सीखता है. यह मरम्मत पेड़ों को ऑफ़लाइन बनाता है और सत्यापन सफलता के

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