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

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی QEDCartographer: Automating Formal Verification Using Reward-Free Reinforcement Learning
عنوان مقاله به فارسی QEDCartographer: خودکارسازی تأیید رسمی با استفاده از یادگیری تقویتی بدون پاداش
نویسندگان Alex Sanchez-Stern, Abhishek Varghese, Zhanna Kaufman, Dylan Zhang, Talia Ringer, Yuriy Brun
فرمت مقاله انگلیسی PDF
تعداد صفحات 15
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Software Engineering,Machine Learning,Programming Languages,مهندسی نرم افزار , یادگیری ماشین , زبانهای برنامه نویسی ,
توضیحات Submitted 12 September, 2024; v1 submitted 17 August, 2024; originally announced August 2024. , Comments: Published in the International Conference on Software Engineering (ICSE) 2025: Alex Sanchez-Stern, Abhishek Varghese, Zhanna Kaufman, Dylan Zhang, Talia Ringer, and Yuriy Brun, QEDCartographer: Automating Formal Verification Using Reward-Free Reinforcement Learning, in Proceedings of the 47th International Conference on Software Engineering (ICSE), 2025
توضیحات به فارسی ارسال شده 12 سپتامبر 2024 ؛V1 ارسال شده 17 اوت 2024 ؛در ابتدا اوت 2024. ، نظرات: منتشر شده در کنفرانس بین المللی مهندسی نرم افزار (ICSE) 2025: الکس سانچز-استرن ، ابیشک وارگسه ، ژانا کافمن ، دیلان ژانگ ، تالیا رینجر و یوری برون ، Qedcartographer: خودکار سازی با استفاده از تأیید رسمی با استفاده از پاداش-یادگیری تقویت رایگان ، در مجموعه مقالات 47 مین کنفرانس بین المللی مهندسی نرم افزار (ICSE) ، 2025
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

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.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.