claimcheck：回译加判别检测形式化与需求偏差

Martin Amster 等研究者发布 claimcheck，用于检测自然语言需求与形式化制品之间的忠实度差距，并构建覆盖 Dafny、Lean 4、Isabelle 和 Rocq 四种形式语言、共 3,234 条的端到端规范形式化基准，每条包含需求、形式化制品及由执行、证明或来源基准确立的标签。 方法上，先由一个未看到原需求的模型把形式化制品回译为英文，再由独立的评审模型判断回译结果与原需求是否表达相同保证。在四种语言上，该方法宏召回较直接向单次调用同时展示需求与制品的评审提升 8.2 至 9.8 分；但论文称当评审器增强后这一优势会缩小。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。