智能体可在Lean中对真实软件做可验证优化
论文提出智能体可验证优化：在Lean 4中生成更快实现并给出机器可检查的等价证明，避免优化只靠测试。Aqueduct可将C、C++、Go和Rust程序迁入Lean并用差分测试校验。Verina的189项参考实现中有156项得到已证明的更快改写；17个迁移应用的92处改写使51个场景里47个提速。
要点
- 原实现被当作规格，从而避开为验证代码另行编写规格的瓶颈。
- 156项函数改写包含将指数递归替换为动态规划等算法变化。
- 应用级加速小于函数级，选择哪些函数优化仍是关键问题。
为什么值得看
编码智能体已能通过改算法和数据结构提速，但现有等价检查多依赖测试，可能被绕过。该研究要求改写同时附带机器可检查的等价证明。
谁会受影响
面向软件工程与形式化验证研究者、编程智能体开发者，以及希望在保持行为不变的前提下优化C、C++、Go或Rust程序的团队。
今天就能怎么试
论文以Lean 4描述函数级和仓库级任务，并用Aqueduct迁移既有程序后做差分测试；公开试用方式、价格和国内可用性均未知，本文未实测。
原始来源
1Agentic Verified Optimization of Real-World Software · arXiv cs.AI · 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。