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

Russian

Системы верификации, основанные на LLM, ремонтируют доказательства Rust, пересматривая программы в ответ на диагностику Verus. Когда сообщается о нескольких типах ошибок, трубопроводы, такие как AutoVerus и VeruSAGE, выбирают следующую цель ремонта с использованием предварительного приоритета. Тем не менее, каждый ремонт изменяет программу и последовательные ошибки, поэтому те же типы предприятий могут требовать разных выборов в разных состояниях. Мы представляем VeruSteer, который учится выбирать типы ошибок из результатов альтернативных траекторий ремонта. Он конструирует деревья ремонта офлайн и сравнивает пути из одной и той же первоначальной программы путем проверки успеха

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