“Yes, it's already possible[1] with Coq. There are two strategies for that”
Generating Correctness Proofs with Neural Networks
用机器学习的证明搜索系统 Proverbot9001,自动生成 Coq 里的软件正确性证明
基础验证能为软件提供很高的可靠性,但产出基础验证软件需要高水平专家大量手工工作,成本居高不下。论文提出 Proverbot9001,一个使用机器学习在交互式定理证明器中生成软件正确性证明的证明搜索系统。作者在大型实际证明项目 CompCert 已验证 C 编译器的证明义务上进行了演示:结合基于求解器的工具,它能自动证明测试集中 27.5% 的定理陈述;不借助额外求解器时,其证明完成率是此前最先进的 Coq 证明机器学习模型的 4 倍。
评论者引用它作为用神经网络为 Coq 生成证明已经可行的例子,并把它与 CoqGym/ASTactic、Diva 等同类系统并列提及。
学习路径
读这篇之前,按顺序读书架上的 5 篇 · 参考文献来自 OpenAlex,顺序和要点由 Claude Code 排出这条路径带你从前提选择和深度学习引导证明搜索,到用学习系统在 Coq 等交互式证明器里做证明,最后读 Proverbot9001。
- 1
最早用深度序列模型为自动定理证明选前提,是学习式证明系统的起点。
读把前提选择当成分类问题的做法,以及神经网络如何打分;抓问题设定。
- 2
- 3
为高阶逻辑做的神经自动定理证明器,展示搜索与策略预测结合的思路。
读证明树搜索与神经网络策略和相关性预测的结合方式。
- 4
在 Coq 里用学习系统与证明助手交互,与 Proverbot9001 的任务设定最接近。
读数据集构造、策略预测方式,以及生成证明的评测指标。
- 5
给出学习式证明的环境与基准,帮助理解与目标论文的对比维度。
读环境接口、基准和 DeepHOL 基线的设计,对照目标论文的评测方式。
- 6Generating Correctness Proofs with Neural Networks
目标论文:用机器学习证明搜索系统在 Coq 中生成软件正确性证明。
读策略预测与搜索如何结合,以及在大型证明项目上的评测结果。
HN 书评
推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及“CoqGym/ASTactic ([OTHER_PAPER]), Proverbot9001, and Diva ([LINK]), among others.”
- Generating Correctness Proofs with Neural Networks ↗alex_renda · 2019-07-19 · 1 分