Original em inglês: https://argusic.com/subject/formal-verification-rsi
Formal-Verification-RSI
Verificação formal para IA: um verificador de provas Lean 4 + Dafny que detecta provas falsas de IA (reward hacking), e autoaperfeiçoamento recursivo verificado (RSI) para coding agents. IA para matemática, física e engenharia de software.
Executa com mocksfonte: GitHubpágina do projetoPythonMITcommit 177a62d5847d
Python, licença MIT. O projeto se descreve como: ai agents, ai for math, ai for science, ai safety, autoformalization, automated theorem proving, coding agents e dafny.
Formal-Verification-RSI executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 0,5 minutos e encontrou 1 erro, corrigindo-o sem ajuda, e a sessão inteira foi gravada.
160 hermetic Python tests pass (170 skipped for missing Lean/Dafny toolchains); pip install completes; all modules import; 4 previously-failing snapshot-integrity tests fixed and passing.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 92 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- Test Agent snapshot manifests had temp paths instead of /app, causing all 4 snapshot-integrity tests to fail with 0 graded files15 minutos
- Tempo de instalação
- menos de um minuto
- Da máquina limpa até o fim
- 81 minutos
- Erros encontrados e corrigidos
- 1 encontrado, 1 corrigido sem ajuda humana
- Como o resultado foi comprovado
- pytest tests/ --ignore=tests/test_fv_curate.py --ignore=tests/test_fv_analyze.py exited 0, 160 passed, 170 skipped
- Tokens de modelo usados
- 678.568
- Commit exato testado
- 177a62d5847d
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
- Comportamento com serviços reais
- esta execução foi verificada apenas com serviços substitutos
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
3. **B1.tar.gz corruption didn't break tar-sha comparison**: Appending a null byte to a gzip-compre… **4 failing tests → all passing**: `test_ab_only_agent_has_no_c_and_gate_check_error_does_not_resum… tokens used 678,568 Here's my final report on the mission. **Install**: The project installed cleanly via `pip install -e ".[dev]"` in a venv. Python 3.12.3 i… **Tests**: 160 pass, 170 skip. The 170 skips are all due to missing Lean (4.23.0-rc2) and Dafny (4.… **Bugs found and fixed in the test suite** (`tests/test_fv_regrade.py`): 1. **Test Agent's snapshot paths didn't match `read_snapshot` expectations**: The test `Agent` clas… 2. **`_regrade` helper used wrong `app_dir`**: It passed `app_dir=str(tmp / "box" / "app")` instead… 3. **B1.tar.gz corruption didn't break tar-sha comparison**: Appending a null byte to a gzip-compre… **4 failing tests → all passing**: `test_ab_only_agent_has_no_c_and_gate_check_error_does_not_resum…
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Instalado em 0,5 minutos, mais rápido que a mediana dos 110 projetos comparáveis que a Argusic mediu.
- Recuperou-se do único erro sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Só chegou a um estado de execução com serviços substitutos, então nada aqui prova que ele funciona com os serviços reais.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 111 projetos de ai-agents que a Argusic instalou e cronometrou, Formal-Verification-RSI foi o 10º mais rápido a chegar a um estado de execução, e 83 de 111 chegaram a esse estado.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
| testado por | tentativa | resultado | pontuação | custo USD | quando |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Executa com mocks | 92,00 | 0,29 |
Tópicos (de GitHub)
ai-agentsai-for-mathai-for-scienceai-safetyautoformalizationautomated-theorem-provingcoding-agentsdafnyformal-methodsformal-verificationlean4llmprogram-verificationproof-assistantrecursive-self-improvementreward-hackingrsiself-improving-aitheorem-provingverified-code
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/formal-verification-rsi)Perguntas
- Formal-Verification-RSI executa?
- Formal-Verification-RSI executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 1 minutos, encontrando 1 erro no caminho, e gravou a sessão.
- Como a Argusic testou Formal-Verification-RSI?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 177a62d5847d. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar Formal-Verification-RSI?
- A execução que produziu este veredito custou US$ 0,29: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar Formal-Verification-RSI?
- 0,5 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- Formal-Verification-RSI precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar Formal-Verification-RSI?
- 1 coisa quebrou na execução registrada, e 1 foi corrigida sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como Formal-Verification-RSI se compara às alternativas?
- Dos 111 projetos de ai-agents que a Argusic instalou e cronometrou, Formal-Verification-RSI foi o 10º mais rápido a chegar a um estado de execução, e 83 de 111 chegaram a esse estado.
- Onde estão as evidências de Formal-Verification-RSI?
- A execução registrada está nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.