Gerçek Dünya Kod Doğrulaması İçin Lean Teorem İspatını Ölçeklendirme

EasyProver: Ajan Tabanlı Teorem İspatı Mimarisi#

Modern yazılım mühendisliğinde kodun yalnızca testlerden geçmesi değil, matematiksel olarak doğrulanması (formal verification) kritik sistemler için en üst düzey güvenceyi sağlar. EasyProver, herhangi bir ek modele ince ayar (fine-tuning) yapmadan, doğrudan hazır bir öncü (frontier) model kullanarak çalışan yeni nesil bir Lean teorem ispat sistemidir. Sistem şu temel mimari bileşenler üzerine inşa edilmiştir:

• İzole Bağlamlı Özyinelemeli Ajanlar (Recursive Agents): Karmaşık ispat problemlerini alt görevlere bölerek her bir ajanın kendi temiz bağlamında çalışmasını sağlar ve bağlam kirlenmesini önler.
• Asenkron Arama ve Paralel Taktik Denemeleri: İspat adımlarını (taktiklerini) eşzamanlı olarak araştırarak doğru çözüm yolunu darboğaz yaratmadan hızlıca bulur.
• Elastik Ayrıntılandırma (Elaboration) Servisi: Lean derleyicisi ve kontrolcüsü üzerindeki doğrulama yükünü dinamik olarak ölçeklendirir.

Bu mimari sayesinde sistem; PutnamBench problemlerinin 672'sinden 669'unu, IMO 2026 formalizasyonlarının tamamını (6/6), NTP4VC doğrulama koşullarının 600'ünden 597'sini ve VERINA görevlerinin tamamını (189/189) ispat veya çürütme yoluyla başarıyla çözmektedir.

Aegis: Rekabetçi Programlamadan Gerçek Kod Doğrulamasına#

Mevcut kıyaslama (benchmark) veri setlerinin doygunluğa ulaşması nedeniyle araştırmacılar, algoritmik problemleri gerçek uygulama doğrulama görevlerine dönüştüren Aegis veri hattını geliştirmiştir:

• Güvenli Rust ve Lean Dönüşümü: Sistem önce güvenli (safe) Rust çözümleri yazar ve bunları Aeneas aracıyla Lean diline tercüme eder.
• Spesifikasyon ve Çekirdek Doğrulaması: Otomatik olarak spesifikasyonlar üretilir ve dondurulmuş her ifade, çekirdek (kernel) tarafından kontrol edilmiş bir ispat veya çürütme ile etiketlenir. Bu süreç sonunda diferansiyel olarak doğrulanmış 2.045 Rust-Lean program çifti ve 11.533 aday spesifikasyon üretilmiştir.
• Gerçek Uygulama Yükümlülükleri: Elle yazılmış yapay kıyaslamaların aksine bu görevler; sabit genişlikli aritmetik (fixed-width arithmetic), açık hata durumları, üretilmiş döngüler, tip dönüşümleri (casts) ve fonksiyonel hale getirilmiş durum değişimleri (mutation) gibi gerçek dünya yazılım zorluklarını barındırır.

2.000 ifadeden oluşan katmanlı bir örneklem üzerinde EasyProver, ifade başına 30 dakikalık bütçe ile 1.054 (%52,7) ifadeyi kanıtlamayı başarmıştır.

Yazılım Geliştirme ve Öğrenme Açısından Pratik Çıkarımlar#

• Ajan Mimarisi Tasarımı: Büyük dil modellerini tek bir uzun konuşma geçmişine hapsetmek yerine, izole bağlamlı özyinelemeli ajanlar ve asenkron arama kullanmak, ek model eğitimi olmadan bile problem çözme kapasitesini dramatik biçimde artırır.
• Birim Testlerinden Biçimsel Doğrulamaya Geçiş: Rust gibi bellek güvenliği sunan dillerin Aeneas gibi araçlarla Lean ortamına aktarılması, kritik altyapı yazılımlarında sıfır hata hedefli geliştirme süreçlerinin pratikleştiğini göstermektedir.
• Pekiştirmeli Öğrenme (RL) İçin Ödül Sinyali: Aegis ile üretilen doğrulanabilir görevler, yalnızca diğer ispatlayıcıları test etmekle kalmayıp, kod üreten yapay zeka modellerinin eğitimi için kesin ve matematiksel bir ödül mekanizması sunar.

İlgili Platform Modülleri: İleri Akıl Yürütme Teknikleri, Tool Calling ve Multi-Step Agent'lar, Production'da Agent Güvenilirliği