研究人员对AI代理在代码实现中的测试能力进行了系统评估，测试了26种不同的测试技术和库对其表现的影响。实验基于Zstd实现和IMAP RFC等编码任务，所有代码均使用Rust编写，每个测试条件平均运行80次。测试条件包括ACL2、Alloy、审计、模糊测试、Hegel、Kani、Lean 4、属性测试和测试驱动开发（…
一个新项目展示了首个经过形式化验证的三维构造实心几何（CSG）操作实现 。该项目采用Lean 4验证框架，用93行形式化规范替代传统的1000多行AI生成代码 。这一设计使得人类审查者仅需阅读规范内容并运行Lean检查器，就能认证核心算法的正确性 。