Muhammad Danial, Muhammad Taimoor Khan · 2026 · arXiv
DOI: 10.48550/arXiv.2610.30432 · open-access PDF
"누가 AI를 사용하고 있는가?"와 같은 최근 보고서는 GitHub에 제공되는 파이썬 코드 기여의 약 30%가 AI에 의해 생성된 것으로 나타났습니다.이 코드의 본질적인 신뢰성 부족을 감안할 때, 공식 검증은 소프트웨어의 정확성에 대한 신뢰를 구축하는 유망한 방법으로 나타납니다. 공식 검증을 위해 대형 언어 모델 (LLM)을 활용하는 것이 점점 더 많은 관심을 끌었지만, 실제 채택은 공식 사양을 작성하고 프로그램의 정확성을 검증하는 문제로 인해 여전히 제한적입니다.
Machine translation (Meta M2M100); the English original follows.
Recent reports, such as "Who is using AI to code?", indicate that approximately 30\% of Python code contributions to GitHub are AI-generated. Given the inherent unreliability of this code, formal verification emerges as a promising approach to establish trust in software correctness. Although leveraging large language models (LLMs) for formal verification has garnered increasing attention, practical adoption remains limited due to the challenges in writing formal specifications and verifying program correctness against them. Existing tools predominantly support verification for languages such
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.30432, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange