CompCert4Lean把验证过的C编译器搬进Lean:一名专家指挥并行智能体,六周完成移植
核心概要
CompCert 3.17的验证编译器核心原本只存在于Rocq中,其定义与证明无法直接导入Lean。CompCert4Lean沿依赖关系把开发拆成166个单元,先翻译定义与定理陈述并由独立智能体审计,再并行重建证明,由一名专家指挥并行大模型智能体在约六周内完成移植,清偿全部4,908条记录在案的证明义务且不引入项目专用公理,并产出可执行的Linux二进制。
深度剖析
一个成熟的验证编译器核心现在有了Lean版本,覆盖从带类型的CompCert C抽象语法到x86-64汇编抽象语法的整条流水线,并清偿全部4,908条记录在案的证明义务,不引入项目专用公理。 此前这套基础设施只在Rocq中可用,其语义、内存模型与正确性证明都绑定在Rocq上,无法直接导入Lean;作为参照,CompCert 3.17中对应迁移范围的154个源模块含149,038行Rocq代码。 对75,348个项目声明做传递性审计,未发现Lean三条标准基础公理之外的公理;可执行工具链在O0与O2下通过全部139个适用的CompCert小测试,并在六个SPEC CPU2026程序、两个优化级别上完成20次正确性执行。
迁移按依赖图切分为166个单元,其中154个源组件、12个共享提供者,每个声明只有一个规范所有者,智能体在稳定接口上并行翻译定义、语义与逐字定理陈述。 并行本身会放大错误:共享定义或定理陈述一旦译错,会沿下游定义、接口与证明扩散,而构建成功与内核检查通过都不能排除这种风险。 首轮审计发现1,091条定理陈述被化简为True,这些错误在翻译阶段的构建中没有暴露;随后完成11轮广泛的定义审查,关键问题数从峰值104降到最后一轮的1个。
定义与陈述冻结后,智能体依据4,908条义务清单并行重建证明,自动流程在专家叫停时还剩471条,这些转入人工引导的智能体会话,最终全部完成。 自动重建停止时已完成4,437条,占最初未完成4,738条目标的90.1%,剩余义务分布在整数基础、值域推理、内存与各编译遍证明中。 在1,071条实质性人类消息中,951条(88.8%)属于工作流与协调,117条(10.9%)属于技术审阅与讨论,只有3条(0.3%)提供了技术方向。
迁移后的编译器对智能体更友好:在24活跃小时的相同预算下,GPT-6-astra在Lean中产出的候选在29个小测试程序上把生成程序运行时间相对原始CompCert 3.17降低11.7%,在Rocq中为2.3%,两者都保留端到端正确性定理。 这些百分比包含起始编译器之间已有的差异,并不衡量相对各自战役基线的增益;SPEC输入上的对应降幅为6.9%与2.2%,且所用输入为选定的测试/训练输入,不是可报告的SPEC分数。 同一预算内,智能体在Lean中产出106个完成完整编译器与证明构建的候选变体,在Rocq中为40个,记录的token用量大体相当。
启示与展望
演示范围是CompCert 3.17在选定x86-64配置下从带类型CompCert C抽象语法到x86-64汇编抽象语法的验证流水线;解析与精化在其之前,汇编打印、汇编与链接在其之后,不在编译定理范围内。差分测试覆盖22,062条测试记录,RTL比较在O2下18,807个程序、O0下18,808个程序上九个阶段全部一致,202个可执行规格函数在3,740万输入上逐位一致。
与Rocq版本的对应关系由独立源码审查与差分测试支持,而非机械化等价定理;最终义务清单轮次中仍有25个单元缺少被接受的结果,计划中的完整周期与外部最终全局门禁经有界修复与定向复查后被豁免,未报告为通过。优化战役每个环境只跑一次,无法分离模型能力、证明自动化、仓库结构与搜索选择的影响;保留的改动受益于评测负载,未建立未见负载上的增益。
