Anthropic用AI扩大形式化验证，覆盖百余软件库
Anthropic与Theorem介绍用Claude生成形式化证明，在RISC-V汇编层面验证100多个真实开源库的安全属性。进展体现了AI辅助验证的潜力，但证明针对指定属性和假设，并不意味着这些软件从此没有任何漏洞或逻辑错误。
要点
- 在RISC-V汇编层面验证属性
- 研究覆盖100多个开源库
- 证明范围不等于软件整体无缺陷
为什么值得看
自动生成代码的速度提升后，如何提供更强的正确性证据变得更重要，这类研究可能改变工程验证流程。
谁会受影响
关注关键软件、程序验证和AI编程可靠性的技术团队会受影响。
今天就能怎么试
从研究页查看具体证明对象、假设和公开材料，先选择边界明确的小函数学习验证流程，不直接替换现有测试。
原始来源
1LLMs are making formal software verification feasible at a much larger scale · Anthropic · 2026年10月22日✓ 已打开核对2LLMs are making formal software verification feasible at a much larger scale · Hacker News · 2026年10月23日✓ 已打开核对本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。
相关动态
开放世界模型结合游戏引擎，单卡生成实时可玩画面
Matrix-Game 4.0 让轻量引擎负责规则和状态，视频模型将低多边形画面转成细致视觉，编码智能体则修改场景与玩法。论文报告 RTX 5090 上实现 480p、60 帧交互，按键到显示延迟为 112 毫秒，并宣布开放代码与资产。实时帧率需与响应延迟分开看。
业务智能体基准检查执行过程，完成任务也可能判失败
BizAgentBench 将 789 份知识文档、601 项业务工具和 50 个长流程任务放进可执行环境，既核验最终目标，也检查中间步骤约束。论文显示只看任务完成会掩盖无效操作；HF 早期标题为 BizBench，arXiv 修订版已改名。同时还应记录任务过程中的工具调用成本。
中英密集文字生图基准发布，专测海报长文与布局
UltraText Bench 提供 432 条人工检查的提示，覆盖 24 类真实场景，中英文各半，每张图要求四至十二处文字。评估分别看文字准确、清晰度、空间安排和场景质量，揭示快速模型可能更清晰却更容易写错字的取舍。适合中文海报选型。
AI协助发现PHP高危漏洞，网站维护者面临集中修补
爱范儿梳理 PHP2Shell 漏洞披露与紧急修补过程，介绍 OpenAI 安全研究在构造可复现证据中的作用。事件涉及底层软件广泛使用带来的连锁影响；具体风险取决于运行版本与部署条件，不能把使用 PHP 都等同于已经遭入侵。