热点事件观察中

跨智能体LLM-to-Dafny形式化协议一致性偏低

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

研究者提出一种跨智能体形式化协议：Specifier 模型把临床试验标准翻译成 Dafny 谓词，Implementer 模型编写方法并接受校验。在 96 份临床试验文档上，GPT-4.1-nano/GPT-4.1-mini 配置由强模型担任 Implementer 时一致率为 53.0%，角色反转后降至 14.3%；最强配置 GPT-5.6-luna/GPT-5.4-mini 一致率升至 34.4%，仍低于同模型基线，且以直接矛盾为主（42.7%）。同模型对照显示，即使不存在能力差距，从相同文本独立重提取的一致率也只有 59.3%。研究者据此称，验证通过不等于跨智能体结果一致。

AI 根据报道生成 · 5 小时前更新

最新进展11月5日 03:31

验证不等于一致：跨智能体 LLM-to-Dafny 形式化协议研究

报道时间线

沿着报道，了解事件的不同侧面。

11月5日

03:31
arXiv · cs.AI
验证不等于一致：跨智能体 LLM-to-Dafny 形式化协议研究
研究者提出跨智能体形式化协议，由 Specifier 模型将临床试验标准翻译为 Dafny 谓词、Implementer 模型编写方法并接受校验。同模型对照显示，即使无能力差距，从相同文本独立重提取的一致率仅 59.3%；在 96 份临床试验文档上，GPT-4.1-nano/GPT-4.1-mini 配置在强模型担任 Implementer 时一致率为 53.0%，角色反转后降至 14.3%。最强配置 GPT-5.6-luna/GPT-5.4-mini 一致率提升至 34.4%，仍低于同模型基线且以直接矛盾为主（42.7%）。

本事件热度走势

可比范围当前: 4
可比范围峰值: 411月6日 11:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。