CodeSpecBench: Benchmarking LLMs for Executable Behavioral Specification Generation
The Hong Kong Polytechnic University(香港理工大学);University of Edinburgh(爱丁堡大学);UCL(伦敦大学学院);CUHK (SZ)(香港中文大学(深圳));SUTD(新加坡科技设计大学);HKUST(香港科技大学);CUHK(香港中文大学);HKUST (GZ)(香港科技大学(广州))
本文提出CodeSpecBench,一个基于执行评估协议的LLM可执行行为规范生成基准,评估了15种最新LLM在函数和仓库级任务中的表现,发现仓库级任务性能显著下降,且规范生成比代码生成更具挑战性。
2026-04-14 cs.CL cs.SE
validation method to improve behavioral flows on uml requirements analysis model by cross-checking with state transition model
我们提出了一种方法来评估和提高所需规格的有效性,从不同的角度比较模型。从分析员根据初始需求定义服务过程的模型中自动提取信息;此后,分析员自动将其与来自相同初始需求的状态转换模型进行比较,该初始需求由与分析员不同的评估员创建。将识别出的不一致报告给分析员,以便改进所需的质量标准。我们开发了一个工具,提取和比较,然后讨论其有效性,通过应用该方法的需求规格说明的例子。
2021-03-01 cs.SE
Enhancing Program Repair with Specification Guidance and Intermediate Behavioral Signals
FPT Software AI Center(FPT软件人工智能中心);Hanoi Univ. of Science and Tech.(河内科学技术大学);University of Texas at Dallas(德克萨斯大学达拉斯分校)
SpecTune通过整合中间行为推理提升程序修复,利用执行检查点分解修复任务,生成局部后置条件以识别程序行为偏差,结合规范验证信号和判别信号提高修复精度和有效性。
2026-07-05 cs.SE
SpecForge: Recursive Self-Improvement for Coding Agents via Behavioral Specifications
Virginia Tech(弗吉尼亚理工大学);NEC Laboratories America(美国NEC实验室)
本研究提出SpecForge多前沿树搜索框架,通过三种机制解决编码智能体递归自我改进中的输出耦合问题,在DevEval+上实现最优性能,且改进后的规范可迁移至跨语言翻译等任务。
2026-10-14 cs.AI cs.SE
Test-Driven AI Agent Definition (TDAD): Compiling Tool-Using Agents from Behavioral Specifications
Fiverr Labs(Fiverr 实验室)
TDAD通过编译行为规范生成可执行测试,确保工具使用代理在生产环境中的行为合规性,提升测试质量和回归安全性。
2026-03-09 cs.AI cs.SE
AgentModernize: Preserving Business Logic in Legacy Modernization with Multi-Agent LLMs and Behavioral Specification Graphs
University of Texas at Arlington(阿灵顿得克萨斯大学)
本文提出AgentModernize框架,通过多智能体系统和行为规范图来保留业务逻辑,解决传统方法在遗留系统现代化中丢失隐含规则和交叉模块约束的问题,实验表明该方法在多个场景中表现优异。
2026-08-05 cs.SE
Formal Verification of Imperative First-Class Functions in Move
Aptos Labs(Aptos实验室)
本文研究了Move语言中命令式一等函数的形式验证,通过引入行为谓词和状态标签,实现了对函数值的高效表示与验证,支持Rust风格的引用和全局变量修改,并提升了SMT编码效率。
2026-08-14 cs.LO cs.PL cs.SE
Security Is Relative: Training-Free Vulnerability Detection via Multi-Agent Behavioral Contract Synthesis
College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics(南京航空航天大学计算机科学与技术学院)
本文提出Phoenix框架,通过行为合同合成解决漏洞检测中的语义模糊问题,实现更高准确率的漏洞识别,使用开源模型达到更小规模和更优性能。
2026-04-21 cs.CR cs.SE
Agent Behavioral Contracts: Formal Specification and Runtime Enforcement for Reliable Autonomous AI Agents
Accenture(埃森哲)
本文提出智能体行为契约框架,通过形式化规范和运行时执行,提升自主AI智能体的可靠性与行为可控性。
2026-02-25 cs.AI cs.MA cs.SE
Spec-Harness: Assessing and Guiding LLM-Synthesized Formal Specifications Beyond Verifiability
University of California, Irvine(加利福尼亚大学尔湾分校)
本文提出VeriAct框架,通过迭代合成与修复规范,超越传统方法的性能极限,生成正确且完整的正式规范。
2026-10-14 cs.AI cs.SE
Towards the Formal Specification and Verification of Maple Programs
在本文中,我们提出了我们正在进行的工作和初步结果的形式规范和验证的MiniMaple(一个重要的子集Maple轻微扩展)程序。我们工作的主要目标是在这些程序中找到行为错误。通过静态分析确定其规格。这项任务是更复杂的广泛使用的计算机代数语言,如Maple,因为这些是从根本上不同于经典的语言:它们支持非标准类型的对象,如符号,未评估的表达式和多项式,并需要抽象的计算机代数概念和对象,如环和排序等作为一个出发点,我们已经定义和形式化的语法,语义,类型系统和规约语言的MiniMaple。
2012-07-10 cs.LO cs.MS cs.PL
Keeping Behavioral Programs Alive: Specifying and Executing Liveness Requirements
本文提出在行为编程中用“必须完成”状态标记来直接建模活性需求,并给出基于 Büchi 自动机和 MDP 的两种执行机制,以支持深度强化学习处理大型系统。
2024-04-02 cs.SE
Mining Shape Expressions with ShapeIt
我们提出了ShapeIt,一个工具,用于挖掘规范的网络物理系统(CPS)从他们的实值行为。学习的规范是线性形状表达式的形式,这是一种声明性的正式规约语言,适合于表达实值信号上的行为属性。线性形状表达式是一种正则表达式,由作为原子符号的参数化线组成,线参数上带有符号约束。我们在这里提出的架构,我们的工具,随着规范挖掘算法的不同步骤。我们还描述了使用的工具,证明其适用性的几个案例研究,从不同的应用领域。
2021-11-02 cs.SE
On the Behavioural Formalization of the Cognitive Middleware AWDRAT
QCRI(卡塔尔计算研究所);CSAIL, MIT(麻省理工学院计算机科学与人工智能实验室)
我们目前正在进行的工作和初步结果对(行为)的正确性分析的认知中间件AWDRAT。因为,软件系统的(可证明的)行为正确性是系统安全性的基本先决条件。因此,工作的目标是首先形式化的中间件的行为语义作为一个先决条件,我们的行为的正确性证明。然而,在本文中,我们只关注中间件的核心和关键组件,即执行监视器,它是AWDRAT的“架构差异”模块的一部分。执行监视器的作用是识别目标系统的运行时观察与系统的规范系统架构模型的预测之间的不一致。作为一个起点,我们已经定义了正式的(指称)语义的观察(运行时事件)和预测(可执行规范的系统架构模型),然后基于上述正式的语义,我们已经正式的“执行监视器”的中间件的行为。
2014-12-07 cs.AI cs.SE
Assessing Behavioral Validation in UI Component Test Suites Using Inferred Metamorphic Relations
University of Luxembourg(卢森堡大学);Kyungpook National University(庆北国立大学)
该研究提出基于推断变形关系(MR)的框架,可补充执行类指标,用于评估UI组件测试套件的行为验证,发现现有测试存在行为缺口,且MR覆盖率具备实际应用价值。
2026-08-05 cs.SE
Model Checking in The COSMA Environment as a Support for The Design of Pipelined Processing
报告中分析的案例研究涉及由相互并发的模块组成的三级管道的行为规范和验证,这些模块也竞争共享资源。系统的组成部分是指定的并发状态机(CSM)和验证技术是在COSMA环境中的时间模型检验。
2017-05-12 cs.SE
Formal Methods for Characterization and Analysis of Quality Specifications in Component-based Systems
由于现代系统复杂性的大量增长,基于一致性的设计范式具有至关重要的意义。由于组件主要由多方供应商开发,并且通常组装以实现整个系统,因此设计者有责任证明此类系统的功能和非功能要求。一些早期的工作集中在形式上分析的行为正确性,安全性,安全性,可靠性和鲁棒性的组合系统。然而,这类系统的质量措施保证也被视为验收的一个重要参数。质量度量的形式化仍处于不成熟的状态,通常由用户满意度决定。本文提出了一种新的组合框架,基于组件的系统的可靠性质量分析,从其组成组件的正式质量规格说明。所提出的框架,使优雅和通用的计算方法,各种基于组件的系统结构的质量属性。除此之外,我们还提供了一个正式的查询驱动的质量评估和设计探索框架,使设计师能够探索各种组件结构和操作设置,并最终融合成更好的可接受的系统。一个详细的案例研究,提出了基于组件的系统结构,以显示我们所提出的框架的有效性和实用性。
2022-05-29 cs.LO cs.SE
Runtime Enforcement for Component-Based Systems
强制验证是一种越来越流行和有效的动态验证技术,旨在确保正确的运行时行为(w.r.t.正式规范)的系统。在本文中,我们介绍了运行时执行规范的基于组件的系统(CBS)建模的BIP(行为,交互和优先级)框架。BIP是一个功能强大、表达能力强的基于组件的异构系统形式化构造框架。然而,由于BIP的表现力,在设计时仍然难以实施复杂的行为属性。首先,我们为CBS提出了一个理论上的运行时执行框架,其中我们描绘了一个可执行属性集的层次结构(即,可以强制的属性)根据允许系统偏离该属性的观测步骤的数量(即,k步可重复性的概念)。为了确保初始系统和被监控系统的正确执行之间的观测等价性,我们证明了i)只有口吃不变的属性应该在CBS上使用我们的监控器强制执行,ii)安全属性是1步可执行的。给定一个抽象的强制执行监视器(作为有限状态机)的一些1步可执行的规范,我们正式仪器(在相关位置)一个给定的BIP系统集成的监视器。在运行时,监视器观察并自动避免系统w.r. t行为中的任何错误。规格。我们的方法在一个可用的工具中完全实现,我们用来i)避免在用餐哲学家基准上发生死锁,ii)确保机器人在地图上的正确位置。
2014-06-22 cs.SE
Rigorous Description Of Design Components Functionality: An Approach Based Contract
当前的软件构件模型使得基于构件的软件工程成为现实。然而,这些模型是有限的,在这个意义上说,他们的支持特性/规格的设计组件主要处理语法问题。为了避免组件的错配和误用,需要更全面的软件组件规范。在本文中,我们提出了一种基于契约的方法来分析和建模的两个方面(功能和非功能)属性的设计组件和他们的组合,以检测和纠正组合错误。这种方法允许表征设计组件的结构,界面和行为方面。为了实现这一点,我们提出了一种模式契约语言,它捕获了与一系列模式相关的结构和行为需求,以及作为结果得到保证的系统属性。此外,我们建议使用的LOTOS语言作为正式这些方面的ADL。我们通过将其应用于标准设计来说明该方法
2014-02-13 cs.SE
Partition Refinement of Component Interaction Automata: Why Structure Matters More Than Size
基于自动机的建模语言,如组件交互自动机,提供了一种有吸引力的方法来捕获和分析交互组件的行为方面。在这些建模语言的中心,我们发现有限状态机允许细粒度地描述特定服务请求如何以及何时与其他组件或环境交互。不幸的是,基于自动机的方法遭受指数状态爆炸,这是这些形式主义在建模真实世界场景中成功应用的主要障碍。为了应对各个规范的复杂性,我们可以应用分区细化,一种抽象技术,以减轻状态爆炸问题。但这种技术也表现出指数时间和空间复杂度,更糟糕的是,不能提供任何成功的保证。为了更好地理解为什么分区细化在某些情况下成功,而在其他情况下失败,我们进行了一个实证研究的组件交互自动机规范的分区细化算法的性能。因此,我们已经确定了合适的预测分区细化的预期效果。规范的结构而不是大小对分区细化的结果有更大的影响。特别是,用于现实世界系统的组件交互自动机规范能够产生包含结构工件的无标度网络,这些结构工件可以帮助分区细化算法不仅更早地收敛,而且有时还会产生显着的状态空间减少。
2010-10-14 cs.FL cs.SE