คำตอบเผยแพร่แล้ว24 แหล่งที่มา
Claude พิสูจน์การไม่แครชให้ 239 จุดทดสอบในไลบรารีโอเพนซอร์ส — แต่มีเงื่อนไขสำคัญ
Anthropic และ Theorem ระบุว่า Claude สร้างบทพิสูจน์ที่ตรวจสอบด้วยเครื่องได้ ครอบคลุมจุดทดสอบ fuzz 239 จุดในไลบรารีโอเพนซอร์ส 123 แห่ง โดยพิสูจน์คุณสมบัติเฉพาะภายใต้เงื่อนไขที่กำหนด ไม่ใช่รับรองว่าไลบรารีทั้งหมดปลอดบั๊ก งานนี้ใช้เวลาราวไม่กี่สัปดาห์ และได้โค้ดพิสูจน์ Rocq ราว 180 ล้านบรรทัด แต่ผลครอบคลุมไบนารี RISC V...
เผยแพร่โดยแก้ไขด้วย GPT-6 Lunaรูปภาพสร้างด้วย GPT Image 2
คำตอบการวิจัย
ประเด็นสำคัญ
- Anthropic และ Theorem ระบุว่า Claude สร้างบทพิสูจน์ที่ตรวจสอบด้วยเครื่องได้ ครอบคลุมจุดทดสอบ fuzz 239 จุดในไลบรารีโอเพนซอร์ส 123 แห่ง โดยพิสูจน์คุณสมบัติเฉพาะภายใต้เงื่อนไขที่กำหนด ไม่ใช่รับรองว่าไลบรารีทั้งหมดปลอดบั๊ก
- งานนี้ใช้เวลาราวไม่กี่สัปดาห์ และได้โค้ดพิสูจน์ Rocq ราว 180 ล้านบรรทัด แต่ผลครอบคลุมไบนารี RISC V และสภาพแวดล้อมจำลองตามที่ระบุเท่านั้น
AI พรอมต์
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Anthropic’s Frontier Red Team and formal-methods partner Theorem report in their October 22, 2026 research about Claude’s assembly-. Article summary: Anthropic’s Frontier Red Team and Theorem reported that Claude produced machine-checked, assembly-level crash-freedom proofs for 239 fuzz-test entry points across 123 open-source libraries—not that the libraries were uni. Topic tags: general, general web, user generated, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, char
Anthropic ระบุว่า Claude สามารถสร้างบทพิสูจน์ที่ตรวจสอบด้วยเครื่องได้ สำหรับจุดเริ่มต้นของการทดสอบ fuzz 239 จุดในไลบรารีโอเพนซอร์ส 123 แห่ง ร่วมกับ Theorem บริษัทด้านวิธีการพิสูจน์อย่างเป็นทางการ งานนี้ตรวจสอบคุณสมบัติด้านการไม่แครชและความปลอดภัยของหน่วยความจำในโปรแกรมที่คอมไพล์เป็น RISC-V ภายใต้เงื่อนไขที่กำหนด ไม่ได้พิสูจน์ว่าไลบรารีทุกส่วนปราศจากบั๊กในทุกการใช้งาน 9
5
สิ่งที่ทำให้ผลลัพธ์นี้น่าสนใจคือขนาดของงาน: ทีมรายงานว่าใช้เวลาเพียงไม่กี่สัปดาห์ และสร้างโค้ดพิสูจน์ภาษา Rocq ราว 180 ล้านบรรทัด ประเด็นสำคัญจึงไม่ใช่แค่ตัวเลข แต่คือโอกาสที่จะนำการพิสูจน์อย่างเป็นทางการไปใช้กับซอฟต์แวร์จริงในวงกว้างขึ้น โดยยังต้องระบุให้ชัดว่าพิสูจน์คุณสมบัติใด ภายใต้เงื่อนไขอะไร 3
13
พิสูจน์อะไร และพิสูจน์กับโค้ดแบบไหน
Anthropic ระบุว่าบทพิสูจน์แสดงให้เห็นว่าโปรแกรมที่อยู่ในขอบเขตจะจบการทำงานตามปกติ โดยไม่เกิดข้อผิดพลาดด้านความปลอดภัยของหน่วยความจำหรือทำให้เงื่อนไขตรวจสอบล้มเหลว สำหรับอินพุตทุกชุดที่มีขนาดต่ำกว่า 64 MB และการตอบสนองของระบบปฏิบัติการ Linux รวมถึงรูปแบบการจัดวางหน่วยความจำที่แบบจำลองครอบคลุม ทั้งหมดนี้อยู่ภายใต้สมมติฐานที่ระบุไว้ 9
12
การตรวจสอบทำกับไบนารีที่คอมไพล์เป็น RISC-V ไม่ใช่คำรับรองเชิงนามธรรมว่าโค้ดต้นฉบับทุกเวอร์ชัน หรือทุกสภาพแวดล้อมที่นำไลบรารีไปใช้ จะมีคุณสมบัติเหมือนกัน 9
12
ทีมเริ่มจากจุดทดสอบที่มีอยู่แล้วใน Google OSS-Fuzz ซึ่งเป็นโครงการทดสอบซอฟต์แวร์โอเพนซอร์สด้วยการป้อนอินพุตหลากหลายรูปแบบ แล้วนำจุดทดสอบเหล่านั้นมาใช้เป็นข้อกำหนดอย่างเป็นทางการ แทนที่จะลองอินพุตจำนวนมากเพียงอย่างเดียว Claude สร้างบทพิสูจน์เกี่ยวกับพฤติกรรมของไบนารีตามข้อกำหนด สำหรับขอบเขตอินพุตที่ระบุไว้ในทฤษฎีบท 3
13
Anthropic เรียกงานนี้ว่าเป็นความพยายามขนาดใหญ่ครั้งแรกในการใช้ AI พิสูจน์ซอฟต์แวร์ระดับโปรดักชันที่ระดับภาษาแอสเซมบลี นี่เป็นคำอธิบายความใหม่ของโครงการจากทีม ไม่ใช่ข้อสรุปทางประวัติศาสตร์ที่ยืนยันเป็นเอกฉันท์โดยอิสระ 7
13
Claude สร้างบทพิสูจน์ ส่วน Rocq เป็นผู้ตรวจ
Claude เป็นผู้สร้างบทพิสูจน์ ขณะที่เคอร์เนลของ Rocq เป็นผู้ตรวจสอบความถูกต้องเชิงกลไก นักพัฒนาจึงไม่จำเป็นต้องเชื่อเหตุผลของ Claude หรือไล่อ่านโค้ดพิสูจน์ทุกบรรทัดด้วยตนเองเพื่อให้ระบบตรวจสอบได้ 9
5
อย่างไรก็ตาม การตรวจด้วยเครื่องไม่ได้ทำให้สมมติฐานทั้งหมดหายไป ตัวทฤษฎีบทต้องระบุคุณสมบัติที่นักพัฒนาต้องการจริง และแบบจำลองที่ใช้กับระบบรวมถึงตัวตรวจสอบเองก็ยังเป็นส่วนหนึ่งของรากฐานที่ต้องเชื่อถือ 9
5
มีรายงานว่าโค้ดพิสูจน์มีรวมราว 180 ล้านบรรทัด หรือเฉลี่ยประมาณ 600,000 บรรทัดต่อไบนารี จำนวนบรรทัดสะท้อนขนาดของงาน แต่ไม่ได้บอกด้วยตัวมันเองว่าคุณสมบัติที่พิสูจน์ครอบคลุมกว้างเพียงใด หรือเหมาะกับความต้องการของระบบที่ใช้งานจริงหรือไม่ 3
12
เหตุใดการทดสอบอย่างเดียวอาจยังไม่พอ
การ fuzzing ช่วยทดลองป้อนอินพุตได้หลากหลาย แต่โดยตัวมันเองไม่ได้พิสูจน์พฤติกรรมของโปรแกรมสำหรับอินพุตทุกชุดในขอบเขตที่กำหนด รายงานเกี่ยวกับโครงการระบุว่า Claude ค้นพบและแก้บั๊กได้หลายร้อยรายการ รวมถึงปัญหาที่หลุดรอดจากการทดสอบ fuzzing นับล้านล้านครั้ง ตัวเลขเหล่านี้เป็นข้อมูลที่รายงานเกี่ยวกับโครงการนี้ ไม่ใช่หลักฐานอิสระว่าการพิสูจน์อย่างเป็นทางการจะเหนือกว่าการทดสอบในทุกโครงการ 2
11
สิ่งที่ได้จึงไม่ใช่เหตุผลให้เลิกทดสอบ แต่เป็นหลักฐานอีกชนิดหนึ่ง: เมื่อระบุคุณสมบัติและขอบเขตไว้ชัดเจน การพิสูจน์สามารถยืนยันพฤติกรรมสำหรับอินพุตทุกชุดที่ตรงตามข้อกำหนด แทนที่จะครอบคลุมเฉพาะกรณีที่ถูกสุ่มหรือเลือกมาทดสอบ 9
2
คำว่า “พิสูจน์แล้ว” ไม่ได้แปลว่า “ไม่มีบั๊ก”
ผลลัพธ์ครอบคลุมเฉพาะจุดเริ่มต้นที่เลือกและไบนารีที่คอมไพล์ตามเงื่อนไขนั้น จึงไม่ได้รับรองฟังก์ชันทุกส่วนของไลบรารี การตั้งค่าการคอมไพล์ทุกแบบ สถาปัตยกรรมอื่น หรือการใช้งานทุกลักษณะ 9
5
สมมติฐานของสภาพแวดล้อมก็สำคัญเช่นกัน รายงานอธิบายว่าบทพิสูจน์เกี่ยวข้องกับไบนารี RISC-V แบบสแตติกและทำงานเธรดเดียว ภายใต้แบบจำลอง Linux และงบหน่วยความจำที่กำหนด แต่ซอฟต์แวร์ที่ผู้ใช้ส่วนใหญ่เรียกใช้มักถูกคอมไพล์สำหรับสถาปัตยกรรมหรือการตั้งค่าอื่น ผลนี้จึงไม่ควรถูกอ่านเป็นการรับรองการติดตั้งใช้งานเหล่านั้น 12
27
34
ท้ายที่สุด บทพิสูจน์ยืนยันสิ่งที่เขียนไว้ในทฤษฎีบท ไม่ใช่ทุกคุณสมบัติที่นักพัฒนาอาจต้องการ บั๊กยังอาจอยู่นอกขอบเขตของสิ่งที่พิสูจน์ หรืออยู่ในแบบจำลองและรากฐานของระบบตรวจสอบเอง 5
31
บทเรียนสำหรับนักพัฒนา
ผลงานนี้เป็นหลักฐานว่า AI อาจช่วยให้การพิสูจน์ซอฟต์แวร์ระดับแอสเซมบลีทำได้จริงกับซอฟต์แวร์ที่ใช้งานจริงในวงกว้างกว่าเดิม โดยไม่ต้องอาศัยแรงงานผู้เชี่ยวชาญจำนวนมากในทุกขั้นตอน แต่ไม่ได้ให้สูตรต้นทุนที่ใช้ได้กับทุกโครงการ หรือรับประกันว่าวิธีนี้จะสำเร็จกับโค้ดทุกชุด 7
13
มีการเผยแพร่บทพิสูจน์เพียงบางส่วน รายงานหนึ่งระบุว่าชุดที่เปิดให้เข้าถึงครอบคลุม 25 ไลบรารีและ 60 จุดเริ่มต้น ไม่ใช่ผลงานทั้งหมดที่รายงานไว้ ขณะเดียวกัน Theorem ประกาศโครงการ OSS Verify สำหรับผู้ดูแลโครงการโอเพนซอร์สด้วย 32
16
38
สำหรับนักพัฒนา วิธีใช้ผลลัพธ์อย่างรอบคอบคือดูให้ชัดว่าบทพิสูจน์ครอบคลุมจุดเริ่มต้น ไบนารี สมมติฐาน และคุณสมบัติใด ก่อนนำไปใช้ประกอบการตัดสินใจ งานนี้ทำให้การพิสูจน์อย่างเป็นทางการด้วยความช่วยเหลือจาก LLM น่าสนใจพอที่จะนำมาประเมินควบคู่กับการทดสอบ แต่ไม่ใช่เหตุผลให้หยุดทดสอบหรือสรุปว่าซอฟต์แวร์ปราศจากบั๊ก 9
5
Studio Global AI
ทำการวิจัยต่อ
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
คนยังถาม
คำตอบสั้น ๆ สำหรับ "Claude พิสูจน์การไม่แครชให้ 239 จุดทดสอบในไลบรารีโอเพนซอร์ส — แต่มีเงื่อนไขสำคัญ" คืออะไร
Anthropic และ Theorem ระบุว่า Claude สร้างบทพิสูจน์ที่ตรวจสอบด้วยเครื่องได้ ครอบคลุมจุดทดสอบ fuzz 239 จุดในไลบรารีโอเพนซอร์ส 123 แห่ง โดยพิสูจน์คุณสมบัติเฉพาะภายใต้เงื่อนไขที่กำหนด ไม่ใช่รับรองว่าไลบรารีทั้งหมดปลอดบั๊ก
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร?
Anthropic และ Theorem ระบุว่า Claude สร้างบทพิสูจน์ที่ตรวจสอบด้วยเครื่องได้ ครอบคลุมจุดทดสอบ fuzz 239 จุดในไลบรารีโอเพนซอร์ส 123 แห่ง โดยพิสูจน์คุณสมบัติเฉพาะภายใต้เงื่อนไขที่กำหนด ไม่ใช่รับรองว่าไลบรารีทั้งหมดปลอดบั๊ก งานนี้ใช้เวลาราวไม่กี่สัปดาห์ และได้โค้ดพิสูจน์ Rocq ราว 180 ล้านบรรทัด แต่ผลครอบคลุมไบนารี RISC V และสภาพแวดล้อมจำลองตามที่ระบุเท่านั้น
แหล่งที่มา
anthropic.comLLMs are making formal software verification feasible at ... - Anthropic
hyper.aiAnthropic Says Claude Generated Assembly-Level Formal ...
aicoder.comAnthropic Frontier Red Team: Claude, working with Theorem ...
devops.comClaude Writes 180 Million Lines of Proofs to Verify 123 Open Source Libraries