arXiv 人工智能· Priyanath Maji·· 11 小时前AI 评分45
当验证不等于一致：跨智能体 LLM 到 Dafny 形式化研究
When Verification Is Not Agreement: Cross-Agent LLM-to-Dafny Formalization
AI 导读
跨智能体 LLM 到 Dafny 形式化研究表明，验证通过不等于模型达成独立一致，同模型基准的一致性仅 59.3%。在 96 份临床试验文档评测中，GPT-4.1-nano 与 GPT-4.1-mini 在强模型任实现者时一致性为 53.0%，角色互换审计后降至 13.2%。最强的 GPT-5.6-luna 与 GPT-5.4-mini 配置一致性仅 34.4%，且直接矛盾占比达 42.7%。
来源：arXiv 人工智能 · arxiv.org