A Tale of 1001 LoC: Potential Runtime Error-Guided Specification Synthesis for Verifying Large-Scale Programs

Este artículo presenta Preguss, un marco modular que combina análisis estático y modelos de lenguaje grandes para sintetizar especificaciones formales y verificar automáticamente la ausencia de errores en tiempo de ejecución en programas a gran escala, reduciendo significativamente el esfuerzo humano necesario.

Zhongyi Wang, Tengjie Lin, Mingshuai Chen, Haokun Li, Mingqi Yang, Xiao Yi, Shengchao Qin, Yixing Luo, Xiaofeng Li, Bin Gu, Liqiang Lu, Jianwei YinWed, 11 Ma💻 cs

BemaGANv2: Discriminator Combination Strategies for GAN-based Vocoders in Long-Term Audio Generation

Este artículo presenta BemaGANv2, un vocador basado en GAN optimizado para la generación de audio de larga duración que introduce innovaciones arquitectónicas como el módulo AMP y el Discriminador de Sobres Multi-Envolvente (MED), evaluando sistemáticamente diversas estrategias de combinación de discriminadores para mejorar la coherencia temporal y la fidelidad del audio.

Taesoo Park, Mungwi Jeong, Mingyu Park, Narae Kim, Junyoung Kim, Mujung Kim, Jisang Yoo, Hoyun Lee, Sanghoon Kim, Soonchul KwonTue, 10 Ma🤖 cs.LG

FATE: A Formal Benchmark Series for Frontier Algebra of Multiple Difficulty Levels

El artículo presenta FATE, una nueva serie de benchmarks en álgebra formal que abarca desde ejercicios universitarios hasta problemas de investigación avanzada, revelando que los modelos de lenguaje actuales tienen un rendimiento muy limitado en esta área, especialmente en la formalización de su razonamiento natural.

Jiedong Jiang, Wanyi He, Yuefeng Wang, Guoxiong Gao, Yongle Hu, Jingting Wang, Nailin Guan, Peihao Wu, Chunbo Dai, Liang Xiao, Bin DongTue, 10 Ma🤖 cs.LG

Mining Beyond the Bools: Learning Data Transformations and Temporal Specifications

Este artículo presenta un enfoque que extiende la minería de especificaciones más allá de las abstracciones booleanas mediante la combinación de síntesis guiada por sintaxis y una interpretación de lógica temporal (TSLf_f) para aprender transformaciones de datos y especificaciones temporales, demostrando una mayor eficiencia y robustez en la síntesis de programas reactivos en entornos de aprendizaje automático.

Sam Nicholas Kouteili, William Fishell, Christian Scaff, Mark Santolucito, Ruzica PiskacTue, 10 Ma💻 cs

Agent Hunt: Bounty Based Collaborative Autoformalization With LLM Agents

El artículo presenta "Agent Hunt", un experimento que utiliza un mercado simulado basado en recompensas donde múltiples agentes de LLM colaboran de forma descentralizada para formalizar y demostrar teoremas de topología algebraica en un entorno de demostración interactiva, proponiendo lemas, compitiendo por recompensas y refinando iterativamente sus pruebas hasta que son verificadas por el asistente de demostración.

Chad E. Brown, Cezary Kaliszyk, Josef UrbanTue, 10 Ma💻 cs

Learning to Rank the Initial Branching Order of SAT Solvers

Este artículo investiga el uso de redes neuronales gráficas para predecir órdenes de ramificación iniciales que aceleran significativamente a los solucionadores SAT CDCL en instancias aleatorias y pseudo-industriales, aunque su eficacia disminuye en problemas industriales complejos debido a que las heurísticas dinámicas del solucionador sobrescriben rápidamente la inicialización.

Arvid Eriksson (KTH Royal Institute of Technology), Gabriel Poesia (Kempner Institute at Harvard University), Roman Bresson (Mohamed Bin Zayed University of Artificial Intelligence), Karl Henrik Johansson (KTH Royal Institute of Technology), David Broman (KTH Royal Institute of Technology)Tue, 10 Ma💻 cs