arXiv · 23.07.2026 ·Машинное обучение

Использование сетей Петри для генерации корректных тестов Rust-кода с помощью LLM

Исследователи представили метод генерации исполняемых тестов для конкурентных Rust API с использованием сетей Петри. Подход решает проблему нарушения предусловий API и поверхностного тестирования, характерных для стандартных LLM. Интеграция формальных моделей позволяет контролировать жизненный цикл ресурсов и состояние системы, обеспечивая генерацию глубоких сценариев конкурентного взаимодействия, которые ранее были недоступны для автоматизированных систем.

Традиционные методы генерации кода на базе LLM часто упрощают конкурентные процессы до последовательных цепочек, игнорируя сложные состояния ресурсов. Новый подход использует сети Петри как направляющую структуру, которая задает правила переходов и допустимые состояния API. Это позволяет модели генерировать тесты, которые не только проходят компиляцию, но и эффективно проверяют корректность работы конкурентных библиотек в условиях борьбы за ресурсы.

В ходе экспериментов метод продемонстрировал способность создавать более сложные и семантически верные тесты по сравнению с базовыми моделями. Использование формальной спецификации в качестве промпта или контекста для LLM позволяет существенно снизить количество ошибок при тестировании stateful-систем, где критически важна последовательность операций и владение объектами в многопоточной среде.

Ключевые факты

Метод ориентирован на тестирование конкурентных (concurrent) и stateful API на языке Rust.
Сети Петри используются для формального моделирования жизненного цикла ресурсов и состояний API.
Подход устраняет проблему «случайной сериализации», когда LLM игнорируют конкурентную природу кода.
Технология обеспечивает семантический контроль над генерацией тестов, предотвращая нарушение предусловий API.
Исследование направлено на повышение надежности системного программирования за счет автоматизации глубокого тестирования.

Источник: arXiv

Обсудить с ИИ

Похожие материалы

Hacker News · ИИ в бизнесе Эффективность LLM при аудите безопасности кода на Rust Исследование применения больших языковых моделей для поиска уязвимостей в языке программирования Rust показало неожиданно высокие результаты. Несмотря на встроенные механизмы безопасности Rust, такие как проверка владения памятью, критические ошибки все еще могут возникать в блоках unsafe или при использовании небезопасных API. Использование специализированных промптов и итеративного анализа позволяет нейросетям находить сложные логические дефекты, которые часто пропускают традиционные статические анализаторы. Hacker News · Разработка и инструменты Как бороться с избыточностью при тестировании LLM-приложений Разработчики сталкиваются с проблемой «тестового спама» при создании приложений на базе LLM, когда количество автоматических проверок растет бесконтрольно, замедляя пайплайны и увеличивая расходы на инференс. Статья предлагает стратегический подход к оптимизации тестового покрытия, фокусируясь на качестве семантических проверок вместо массовой генерации однотипных сценариев, что позволяет сохранять надежность системы без лишних затрат ресурсов. arXiv · Машинное обучение Генеративная компиляция: интеграция обратной связи компилятора в процесс генерации кода Исследователи представили метод «генеративной компиляции», который внедряет обратную связь от компилятора непосредственно в процесс авторегрессионной генерации кода. В отличие от стандартных подходов, где проверка происходит после завершения генерации, новый метод использует семантические правила языка программирования для коррекции токенов на лету, что значительно повышает качество и работоспособность кода для строго типизированных языков вроде Rust. Hacker News · Исследования и наука Использование LLM для верификации кода сетевого стека Linux Исследователи применили LLM для автоматизации поиска критических ошибок в подсистеме nftables ядра Linux. Использование языковых моделей в связке с формальными методами верификации позволило выявить уязвимости, которые ранее оставались незамеченными при стандартном тестировании. Этот подход демонстрирует новый уровень интеграции ИИ в процессы обеспечения безопасности низкоуровневого системного программного обеспечения и критической инфраструктуры. Hacker News · Разработка и инструменты Методы тестирования кода, сгенерированного ИИ Разработчики активно обсуждают подходы к валидации кода, созданного с помощью LLM. Основная проблема заключается в непредсказуемости генерации, что требует перехода от ручной проверки к автоматизированным пайплайнам. Инженеры комбинируют статический анализ, модульное тестирование и изолированные среды исполнения для минимизации рисков внедрения логических ошибок и уязвимостей в продакшн-системы. Hacker News · Безопасность и алайнмент Использование «опьянения» LLM для поиска уязвимостей в ядре Linux Исследователи представили метод повышения эффективности LLM при поиске уязвимостей типа Out-of-Bounds (OOB) write в ядре Linux. Техника, названная «опьянением» модели, заключается в намеренном снижении параметров температуры и вероятностных ограничений, что заставляет нейросеть исследовать менее очевидные пути в коде и находить критические ошибки, которые обычно игнорируются при стандартных настройках генерации. Hacker News · Разработка и инструменты Standards that are code: замена LLM-инференса на детерминированные проверки Концепция «Standards that are code» предлагает пересмотреть подход к валидации данных и соблюдению стандартов в ИИ-системах. Вместо использования вероятностных LLM для проверки соответствия форматам, предлагается внедрять строгие детерминированные программные проверки. Это позволяет исключить галлюцинации при обработке структурированных данных, повысить предсказуемость пайплайнов и снизить затраты на инференс за счет отказа от тяжелых моделей там, где достаточно алгоритмической логики. Hacker News · Машинное обучение Валидация правок кода от LLM без его исполнения Разработчики представили методологию верификации изменений кода, вносимых языковыми моделями, в условиях невозможности запуска программы. Подход опирается на статический анализ и семантическую проверку, позволяя выявлять логические ошибки и нарушения структуры до интеграции правок. Это решение критически важно для автоматизированных систем разработки, где выполнение кода в изолированной среде затруднено или небезопасно. arXiv · Машинное обучение Weave of Formal Thought: новый подход к генерации синтаксически корректного кода Исследователи представили метод Weave of Formal Thought, решающий проблему синтаксической неточности LLM при генерации кода. В отличие от существующих систем ограниченного декодирования, новый подход учитывает иерархическую структуру языков программирования и контекстно-зависимые лексические механизмы. Это позволяет моделям создавать программный код, который не только выглядит корректно, но и гарантированно соответствует строгим правилам синтаксиса целевого языка. Hacker News · ИИ в бизнесе Использование SAST для оптимизации затрат на токены в ИИ-разработке Компании внедряют методы статического анализа кода (SAST) для контроля расходов на LLM в процессах разработки. Вместо того чтобы отправлять весь код на проверку нейросети, автоматизированные инструменты фильтруют тривиальные ошибки заранее. Это позволяет снизить потребление токенов и уменьшить нагрузку на ИИ-ассистентов, сохраняя при этом высокое качество и безопасность итогового программного обеспечения.

← Все материалы