Anthropic 称 Claude 可自动为代码生成形式化证明
Anthropic 与 Theorem 合作，让 Claude 为 123 个开源库生成约 1.8 亿行数学证明代码，并发现数百个常规测试遗漏的缺陷。研究团队承认，「形式化验证」并不等于「无错误」，证明仅在特定处理器架构、单线程和输入小于 64 MB 等条件下成立。
核心事实
据 the-decoder.com 报道，Anthropic 的 Frontier Red Team 与合作伙伴 Theorem 使用 Claude 对现有软件代码进行数学验证，并生成形式化正确性证明。该模型在数周内为 Google OSS-Fuzz 安全项目中的 123 个开源库生成了约 1.8 亿行证明代码。流程并非重写代码，而是把崩溃测试转化为数学问题、分析编译后的机器码并产出证明，再由独立验证程序 Rocq 自动检查。Anthropic 称这一过程「几乎不需要人工复核」，并称之为「完全自主」的证明生成，但所用工具与形式化基础由 Theorem 的人类团队构建。
背景与影响
形式化验证长期因成本高昂而局限于极少数场景：报道提到，仅验证小型操作系统内核 seL4 就耗费约 20 人年。Anthropic 表示，Claude 在生成证明过程中遇到数百个缺陷并获准自行修复，其中一些只在特定条件下出现，例如异常大的输入文件或特定访问顺序；在一个广泛使用的 PDF 阅读器项目中，团队一周内发现的安全缺陷数量相当于该软件通常一整年的报告量，另有一处逻辑错误十余年未被发现。报道还称，较小规模的测试显示证明可复用，较新模型效率更高。若该路径成立，开发者对 AI 生成代码的信任度与审查成本可能随之改变。
限制与来源
Anthropic 承认「形式化验证」不等于「无错误」：证明仅在特定处理器架构、单线程程序、输入小于 64 MB 等严格条件下成立，而这些库实际运行于不同硬件与配置。单个证明的计算成本高昂，可达数亿 token，Anthropic 未公布项目总成本。上述数据与结论来自 Anthropic 方面，尚未获独立第三方确认。相关能力、适用范围与费用请以 Anthropic 官网当前信息为准。来源：the-decoder.com。