arXiv · cs.AI· Param Biyani, Krishnamurthy Dvijotham·· 2 天前
SpecGuard 在编码代理执行前形式化认证任务与测试冲突
SpecGuard: Proving a Task Is Broken Before the Agent Cheats
arXiv:2610.09159v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Param Biyani, Krishnamurthy Dvijotham
首次提交：2026-10-07 06:00
研究任务与主要进展
SpecGuard 将任务描述和代码库转换为 Lean 4 规范，在编码代理执行前检测并形式化认证任务意图与测试之间的冲突。基于论文摘要，作者在冲突的 SWE-bench 任务上报告了最高 72.8% 的冲突检出率和 51.1% 的正式认证率，并称冲突漏检率较模型判断低近五倍；代码地址为 https://github.com/prmbiy/specguard。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org