ترجمه فارسی مقاله QEDCartographer: خودکارسازی تأیید رسمی با استفاده از یادگیری تقویتی بدون پاداش

چکیده

Formal verification is a promising method for producing reliable software, but the difficulty of manually writing verification proofs severely limits its utility in practice. Recent methods have automated some proof synthesis by guiding a search through the proof space using a theorem prover. Unfortunately, the theorem prover provides only the crudest estimate of progress, resulting in effectively undirected search. To address this problem, we create QEDCartographer, an automated proof-synthesis tool that combines supervised and reinforcement learning to more effectively explore the proof space. QEDCartographer incorporates the proofs’ branching structure, enabling reward-free search and overcoming the sparse reward problem inherent to formal verification. We evaluate QEDCartographer using the CoqGym benchmark of 68.5K theorems from 124 open-source Coq projects. QEDCartographer fully automatically proves 21.4% of the test-set theorems. Previous search-based proof-synthesis tools Tok, Tac, ASTactic, Passport, and Proverbot9001, which rely only on supervised learning, prove 9.6%, 9.8%, 10.9%, 12.5%, and 19.8%, respectively. Diva, which combines 62 tools, proves 19.2%. Comparing to the most effective prior tool, Proverbot9001, QEDCartographer produces 34% shorter proofs 29% faster, on average over the theorems both tools prove. Together, QEDCartographer and non-learning-based CoqHammer prove 30.3% of the theorems, while CoqHammer alone proves 26.6%. Our work demonstrates that reinforcement learning is a fruitful research direction for improving proof-synthesis tools’ search mechanisms.

چکیده به فارسی (ترجمه ماشینی)

تأیید رسمی یک روش امیدوار کننده برای تولید نرم افزار قابل اعتماد است ، اما دشواری در نوشتن تأیید صحت به طور دستی ، کاربرد آن را به شدت در عمل محدود می کند.روشهای اخیر با هدایت یک جستجو از طریق فضای اثبات با استفاده از یک پروانه قضیه ، سنتز اثبات را به طور خودکار انجام داده اند.متأسفانه ، ضرب و شتم قضیه فقط بیرونی ترین تخمین پیشرفت را ارائه می دهد ، و در نتیجه جستجوی مؤثر غیرمجاز است.برای پرداختن به این مشکل ، ما Qedcartographer را ایجاد می کنیم ، یک ابزار خودکار سنتز اثبات که ترکیبی از یادگیری تحت نظارت و تقویت را برای کشف موثرتر فضای اثبات می کند.Qedcartografher ساختار انشعاب اثبات را شامل می شود و باعث می شود جستجوی بدون پاداش و غلبه بر مشکل پاداش پراکنده ذاتی برای تأیید رسمی باشد.ما Qedcartographer را با استفاده از معیار COQGYM از قضایای 68.5k از 124 پروژه COQ منبع باز ارزیابی می کنیم.Qedcartographer به طور خودکار 21.4 ٪ از قضایای مجموعه آزمون را اثبات می کند.ابزارهای اثبات سنتز مبتنی بر جستجو ، Tok ، TAC ، Astactic ، Passport و Preverbot9001 ، که فقط به یادگیری تحت نظارت متکی هستند ، به ترتیب 9.6 ٪ ، 9.8 ٪ ، 10.9 ٪ ، 12.5 ٪ و 19.8 ٪ را اثبات می کنند.دیو ، که 62 ابزار را ترکیب می کند ، 19.2 ٪ را اثبات می کند.با مقایسه با مؤثرترین ابزار قبلی ، Propverbot9001 ، Qedcartografher 34 ٪ اثبات کوتاهتر 29 ٪ سریعتر تولید می کند ، به طور متوسط ​​بیش از قضیه ها هر دو ابزار اثبات می کنند.با هم ، Qedcartograph و Coqhammer مبتنی بر غیر آموزش 30.3 ٪ از قضیه ها را اثبات می کند ، در حالی که Coqhammer به تنهایی 26.6 ٪ را اثبات می کند.کار ما نشان می دهد که یادگیری تقویت یک جهت تحقیق مثمر ثمر برای بهبود مکانیسم های جستجوی ابزارهای سنتز است.