目前，研讨团队已推出 FM-Agent 源码与网站[2,3]，提供 FM-Agent 于线效劳，用户提供代码压缩包、API Key 与模型名称后即可始验证。
组合式推演之基本意念极其优雅：为之验证繁体系之正确性，首先把它拆解成一名名独力之小函数。
枢纽于于，函数本身或不可靠，但调用它之上下文往往更接近确凿需求。
1.相关论文：https://arxiv.org/abs/2604.11556 从本原来看，FM-Agent 做之两件事：一为重新定义规约之来源，二为用 LLM 成推演历程。
React。如下图所示，FM-Agent 提出之一种革新之自上而下规约生成范式：从用户对体系整体正确举止之期望出发，逐步推导出每名函数应知足之规约。
表丨智能体自动生成之大规模体系（来源：arXiv） 为之验证 FM-Agent 之实战本领，研讨团队对四款由 Claude Opus、GPT Codex 等顶尖编程智能体生成之大规模体系进行之正确性推演。
图丨从左至右分别为：王肇国、陈海波与丁浩然（来源：受访者） 从一键生成操作体系内核，到从零手搓一名 C 编译器，编程智能体（Coding Agent）之本领边界正疯狂扩充。
此外，FM-Agent 还会基于推演历程提供之讯息，自动生成能触发 bug 之测试用例。
王肇国对 DeepTech 解释：此就像为甲方（调用方）交给乙方（被调用函数）一名差事，要求输入合格之材料（前置机缘），须交付合格之货品（后置机缘）。
例如对于编译器 CCC，FM-Agent 会生成 C 程序作为测试用例，并将 CCC 之编译结局与参考实现（例如 GCC）较量。
图丨相关论文（来源：arXiv） 论文作者包括上海交通大学 IPADS 团队之陈海波教授、王肇国教授与丁浩然博士。
2.FM-Agent源码：https://github.com/haoran-ding/FM-Agent 于 Anthropic、NVIDIA 等用顶尖编程智能体生成之多名大规模体系（单名体系规模高达 14.3 万行）中，FM-Agent 成找到之 522 名隐藏 bug。
此外，对于或存 bug 之函数，LLM 会基于推演历程尝试生成测试用例来触发 bug，只有成触发之 bug 才会被最终呈文给掘发者，进一步提升之 bug 上报之准确性。
于 LLM 生成代码之时代，迅速放大之此名痛点。
”丁浩然表示。
” 但一名更棘手之疑难为：此些代码，真之对吗。
表丨FM-Agent 于大规模软件中找到之 bug 数量（来源：arXiv） 对于大言辞模型（LLM）来说，写出语法正确之“砖块”轻而易举，但距离用此些砖块搭建一座安康稳固之“摩天大楼”仍有显著之差距。
图丨基于自言辞之代码正确性推演示例（来源：arXiv） 当前编程智能体之故会引入此种“细思极恐”型 bug，甚或与其操练数据中包含之类似之过失代码有关。
表丨FM-Agent 于大规模软件中找到之 bug 数量（来源：arXiv） 于 LLM 时代，如何让样貌化法门之脚步快速跟上编程智能体之演进速度变得越发重要。
然而，FM-Agent 于此些“层层设防”之坚固堡垒中，依然挖出之 522 名新 bug。
者将从“编写-调试-修补”之轮回中解放出来，转移到需求剖析与体系设计上，设计文档之品质直接决定之 AI 生成代码之准确性与可维护性。
如上图所示，FM-Agent 逐段推演代码执行后之程序状态描述（注释部分），即后置机缘，始终推演到函数返回，查验最终之程序状态描述为否违背之规约里对最终程序状态之要求。
因此，尽管相关工于自动生成证验方面取得之长足之长进，然则从本原上来看样貌化法门仍然为‘屠龙之术’，难以推广至大规模体系软件。
图丨调用者驱动之函数 F 规约自动生成（来源：arXiv） 3.FM-Agent网站：https://fm-agent.ai/ 除之导致体系崩溃、结局过失此种显性疑难，FM-Agent 还发觉一些更深层之逻辑隐患。
苍生掘发者之核心工流有或会变为：首先由者用自言辞对整名体系编写设计文档，之后由 AI 根据设计文档生成代码，然后 AI 对代码找 bug 并自动修补。
例如，编译器 CCC 中发觉之一些 bug 会导致代码虽可正常编译，然则代码之执行结局却为错之。
此种“无声无息”之 bug 不会导致体系崩溃或任何明显异常，但危害极大且难以被察觉。
陈海波指出，前景若想进一步提升编程智能体生成代码之可靠性，一名枢纽方位为对操练数据进行更严格之筛选，尽或用正确无误之代码来操练智能体，此或许也为前景 FM-Agent 之应用场景之一。
当 AI 负责写代码，另一名 AI 负责证验它为对之，软件营造之核心疑难，正被重新定义。
于 20 世纪 60 年代，托尼·霍尔提出之今日样貌化验证之重要基石——霍尔逻辑，然而直到他本年逝世前，样貌化验证仍然囿于者力本金，难以扩展至大规模软件中。
此样做可免除被实在实现误导，生成之规约描述之为函数“应做什么”，而不为“怎么做”。
陈海波对 DeepTech 表示：“当编程智能体可生成 10 万行以上代码时，掘发者对内部之函数举止本就一知半解，为成百上千名函数编写样貌化规约更不可行。
此种法门结合之霍尔逻辑之推演章法与 LLM 强盛之语义体谅本领，实现之对大规模代码之“找茬”。
FM-Agent 就为彼名拿之甲方原始合同，去验收乙方成果之质检员。
“此种可复现之证据链，对于辅助体谅与修补 bug 极其重要。
结合 LLM 对代码与自言辞之体谅本领，FM-Agent 大胆泛化之霍尔逻辑中之推演章法，让 LLM 直接基于自言辞规约对函数之正确性进行逻辑推演。
当自动生成之代码规模迅速膨胀，一名幽灵般之应战始终挥之不去：代码能跑，但逻辑深处之 bug 多到令者头皮发麻。
近日，上海交通大学 IPADS 研讨团队打造之样貌化法门智能体 FM-Agent，首次实现之面向大规模体系之全自动正确性推演。
新之软件掘发流程或给软件营造之教导与贤才培育领域带来颠覆性之更张。
于推演历程之可靠性方面，研讨团队并不为直接让 LLM 裁决代码为否正确，而为将思维链（Chain of Thought）与霍尔逻辑之推演章法相结合，引导 LLM 逐步推导每名代码块执行后程序状态所知足之性质，最终查验程序状态为否符合“说明书”之要求。
它们分别支撑之 FM-Agent 自动生成规约与自动推演程序正确性之本领。
随之 FM-Agent 此类技艺成熟，前景之软件营造范式或会生根本性变化。
要体谅此名疑难，吾等得先回溯到图灵奖得主托尼·霍尔（Tony Hoare）早于 20 世纪 60 年代为代码验证指明之方位——组合式推演（Compositional Reasoning）。
跳出“将错就错”：AI 始从需求验证代码 此前，也有研讨工尝试用 LLM 自动生成规约，但却掉入之“将错就错”之陷阱：通过剖析函数本身之实现来反推规约。
针对此一疑难，研讨团队发觉之一名枢纽事实：LLM 对于小段代码之执行结局预测极其精准。
完全自动化之操作体系内核验证，可视作通往软硬件全栈端到端保证之重要里程碑。
彼么，如何于无对严谨与营造可用之间取得均衡呢。
下图展示之调用者驱动之规约自动生成法门，基本意念为结合函数实现、调用者期望与领域底色学识，让 LLM 为函数生成规约。
FM-Agent 之基本思路为：先剖析 LLM 擅长什么，然后将其与旧俗样貌化验证流程进行对照，裁决哪些步骤可适当放宽对“无对严谨”之要求，从而换取“营造可用”。
办理掉剩余之零散功课，让孩子自己整理下书包与文具。
当前之培育课程要点为编程言辞、数据架构、算法实现、调试技巧等，于“AI 生成+验证”之范式下，此些旧俗本领大部分或不再为核心之培育宗旨。
研讨团队认为，随之样貌化法门之不断长进，样貌化验证之下一名“圣杯”为贯穿软硬件全栈之端到端保证。
于层层测试之后，AI 依然挖出最隐蔽之 Bug。
”王肇国表示。
此涉及多名大规模体系之正确性保障，而操作体系内核正为全栈中之枢纽一环。
然后，给每名函数写一份精确之样貌化规约（Formal Specification），即一份用数学言辞写成之“说明书”，说明执行函数前程序状态需知足什么机缘（前置机缘），执行后函数保证输出什么样之结局（后置机缘）。
尽管已有规约，但新之疑难接踵而至。
“用户通常用自言辞描述体系设计，FM-Agent 生成之规约也为自言辞，而旧俗样貌化验证器只支基于数学公式之推演，二者存巨大之语义鸿沟。
FM-Agent 并非追寻旧俗样貌化验证彼种无对完美之数学证验，而为使用 LLM 之推演本领于无对严谨与营造可用之间找到一名绝佳均衡点。
FM-Agent 提出之首名面向大规模体系之全自动组合式推演框架，回应之此份夙愿，也为样貌化法门卸下“屠龙术”之沉重铠甲，大步走向千行百业开辟之一条全新之路途。
哪怕乙方于内部施工时偷工减料、走之弯路（bug），甲方对此份工之原始要求依然为清晰且正确之。
最后，只要分别证验每名函数之实现（Implementation）与规约一致，就能直接推演出整名体系知足正确性。
值得关注之为，此些 bug 经过单元测试、差分测试、多智能体交叉审查等手腕皆未能发觉。
为之处置此一疑难，FM-Agent 提出之新法门：既然函数自己之实现或会骗者，彼就去问函数之“上级”——彼些调用它之函数。
尽管组合式推演之愿景甚美好，但一名枢纽之现状疑难为，样貌化规约需靠苍生专家用极其严谨之数学公式手写，者力本金高昂。
因此，如何更好地保障大规模代码之正确性，正成为一名日益重要之疑难。
此些体系此前已过掘发者之单元测试、集结测试、差分测试甚至多智能体交叉代码审查等。
图丨自上而下之规约生成新范式（来源：arXiv） 相关论文以《FM-Agent：通过基于大言辞模型之霍尔逻辑推演将样貌化法门扩展至大规模体系软件》（FM-Agent: Scaling Formal Methods to Large Systems via LLM-Based Hoare-Style Reasoning）为题发表于预印本网站 arXiv[1]。
此就像为鹦鹉学舌（复述函数之工流程），把 bug 当成正确举止写进去，会直接导致后续之验证无法发觉 bug。
彼么，FM-Agent 为如何将样貌化法门用于大规模体系之。
但若函数实现本身就有 bug，彼么反推出来之规约也易被误导。
此一均衡之枢纽于于使用 LLM 之两项本领：一为于提供函数调用上下文之先决下，能够体谅每名函数之意图；二为于办理较短程序时，能根据输入准确推导输出。
因此，玄虚建模本领、领域学识深度、体系思维、思辨本领等将变得越来越重要。