VeriEquivBench: An Equivalence Score for Ground-Truth-Free Evaluation of Formally Verifiable Code
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Zeng, Lingfei, Che, Fengdi, Huang, Xuhan, Ye, Fei, Xu, Xu, Yuan, Binhang, Fu, Jie |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Re:Form -- Reducing Human Priors in Scalable Formal Software Verification with RL in LLMs: A Preliminary Study on Dafny
par: Yan, Chuanhao, et autres
Publié: (2025)
par: Yan, Chuanhao, et autres
Publié: (2025)
A Tutorial: An Intuitive Explanation of Offline Reinforcement Learning Theory
par: Che, Fengdi
Publié: (2025)
par: Che, Fengdi
Publié: (2025)
Local Success Does Not Compose: Benchmarking Large Language Models for Compositional Formal Verification
par: Xu, Xu, et autres
Publié: (2025)
par: Xu, Xu, et autres
Publié: (2025)
EquivFusion: Unifying Hardware Equivalence Checking from Algorithms to Netlists via MLIR
par: Zhu, Jiaying, et autres
Publié: (2026)
par: Zhu, Jiaying, et autres
Publié: (2026)
VeriContest: A Competitive-Programming Benchmark for Verifiable Code Generation
par: Xie, Zichen, et autres
Publié: (2026)
par: Xie, Zichen, et autres
Publié: (2026)
AtmosSci-Bench: Evaluating the Recent Advance of Large Language Model for Atmospheric Science
par: Li, Chenyue, et autres
Publié: (2025)
par: Li, Chenyue, et autres
Publié: (2025)
Revisiting Code Debloating with Ground Truth-based Evaluation
par: Bilal, Muhammad, et autres
Publié: (2026)
par: Bilal, Muhammad, et autres
Publié: (2026)
Scoring Verifiers: Evaluating Synthetic Verification for Code and Reasoning
par: Ficek, Aleksander, et autres
Publié: (2025)
par: Ficek, Aleksander, et autres
Publié: (2025)
Evaluating Model Explanations without Ground Truth
par: Rawal, Kaivalya, et autres
Publié: (2025)
par: Rawal, Kaivalya, et autres
Publié: (2025)
VeriAct: Beyond Verifiability -- Agentic Synthesis of Correct and Complete Formal Specifications
par: Misu, Md Rakib Hossain, et autres
Publié: (2026)
par: Misu, Md Rakib Hossain, et autres
Publié: (2026)
TQA-Bench: Evaluating LLMs for Multi-Table Question Answering with Scalable Context and Symbolic Extension
par: Qiu, Zipeng, et autres
Publié: (2024)
par: Qiu, Zipeng, et autres
Publié: (2024)
VeriSoftBench: Repository-Scale Formal Verification Benchmarks for Lean
par: Xin, Yutong, et autres
Publié: (2026)
par: Xin, Yutong, et autres
Publié: (2026)
Formally Verified C Code Generation from Hybrid Communicating Sequential Processes
par: Wang, Shuling, et autres
Publié: (2024)
par: Wang, Shuling, et autres
Publié: (2024)
Pursuit of Truth and Beauty in Lean 4: Formally Verified Theory of Grammars, Optimization, Matroids
par: Dvorak, Martin
Publié: (2026)
par: Dvorak, Martin
Publié: (2026)
V3DB: Audit-on-Demand Zero-Knowledge Proofs for Verifiable Vector Search over Committed Snapshots
par: Qiu, Zipeng, et autres
Publié: (2026)
par: Qiu, Zipeng, et autres
Publié: (2026)
OCRGenBench: A Comprehensive Benchmark for Evaluating OCR Generative Capabilities
par: Zhang, Peirong, et autres
Publié: (2025)
par: Zhang, Peirong, et autres
Publié: (2025)
FormalProofBench: Can Models Write Graduate Level Math Proofs That Are Formally Verified?
par: Ravi, Nikil, et autres
Publié: (2026)
par: Ravi, Nikil, et autres
Publié: (2026)
Look Ma, No Ground Truth! Ground-Truth-Free Tuning of Structure from Motion and Visual SLAM
par: Fontan, Alejandro, et autres
Publié: (2024)
par: Fontan, Alejandro, et autres
Publié: (2024)
VeriScale: Adversarial Test-Suite Scaling for Verifiable Code Generation
par: Bai, Yifan, et autres
Publié: (2026)
par: Bai, Yifan, et autres
Publié: (2026)
AlgoVeri: An Aligned Benchmark for Verified Code Generation on Classical Algorithms
par: Zhao, Haoyu, et autres
Publié: (2026)
par: Zhao, Haoyu, et autres
Publié: (2026)
VeriFuzzy: A Dynamic Verifiable Fuzzy Search Service for Encrypted Cloud Data
par: Zhang, Jie, et autres
Publié: (2025)
par: Zhang, Jie, et autres
Publié: (2025)
Budget-Sensitive Discovery Scoring: A Formally Verified Framework for Evaluating AI-Guided Scientific Selection
par: Basu, Abhinaba, et autres
Publié: (2026)
par: Basu, Abhinaba, et autres
Publié: (2026)
Proving the Coding Interview: A Benchmark for Formally Verified Code Generation
par: Dougherty, Quinn, et autres
Publié: (2025)
par: Dougherty, Quinn, et autres
Publié: (2025)
Average-DICE: Stationary Distribution Correction by Regression
par: Che, Fengdi, et autres
Publié: (2025)
par: Che, Fengdi, et autres
Publié: (2025)
Confidence Calibration under Ambiguous Ground Truth
par: Tao, Linwei, et autres
Publié: (2026)
par: Tao, Linwei, et autres
Publié: (2026)
VeriGuard: Enhancing LLM Agent Safety via Verified Code Generation
par: Miculicich, Lesly, et autres
Publié: (2025)
par: Miculicich, Lesly, et autres
Publié: (2025)
CLEVER: A Curated Benchmark for Formally Verified Code Generation
par: Thakur, Amitayush, et autres
Publié: (2025)
par: Thakur, Amitayush, et autres
Publié: (2025)
Ground Truths
Publié: (2024)
Publié: (2024)
A Judge-Aware Ranking Framework for Evaluating Large Language Models without Ground Truth
par: Xu, Mingyuan, et autres
Publié: (2026)
par: Xu, Mingyuan, et autres
Publié: (2026)
Civic Ground Truth in News Recommenders: A Method for Public Value Scoring
par: Meese, James, et autres
Publié: (2025)
par: Meese, James, et autres
Publié: (2025)
Semantically-Equivalent Transformations-Based Backdoor Attacks against Neural Code Models: Characterization and Mitigation
par: Ye, Junyao, et autres
Publié: (2025)
par: Ye, Junyao, et autres
Publié: (2025)
EquivAnIA: A Spectral Method for Rotation-Equivariant Anisotropic Image Analysis
par: Scanvic, Jérémy, et autres
Publié: (2026)
par: Scanvic, Jérémy, et autres
Publié: (2026)
VerifyThisBench: Generating Code, Specifications, and Proofs All at Once
par: Deng, Xun, et autres
Publié: (2025)
par: Deng, Xun, et autres
Publié: (2025)
MIDAS: Modeling Ground-Truth Distributions with Dark Knowledge for Domain Generalized Stereo Matching
par: Xu, Peng, et autres
Publié: (2025)
par: Xu, Peng, et autres
Publié: (2025)
FormalRTL: Verified RTL Synthesis at Scale
par: Li, Kezhi, et autres
Publié: (2026)
par: Li, Kezhi, et autres
Publié: (2026)
VerifyBench: A Systematic Benchmark for Evaluating Reasoning Verifiers Across Domains
par: Li, Xuzhao, et autres
Publié: (2025)
par: Li, Xuzhao, et autres
Publié: (2025)
VeriTrip: A Verifiable Benchmark for Travel Planning Agents over Unstructured Web Corpora
par: Xu, Yuting, et autres
Publié: (2026)
par: Xu, Yuting, et autres
Publié: (2026)
SoundnessBench: A Soundness Benchmark for Neural Network Verifiers
par: Zhou, Xingjian, et autres
Publié: (2024)
par: Zhou, Xingjian, et autres
Publié: (2024)
From Propagation to Prediction: Point-level Uncertainty Evaluation of MLS Point Clouds under Limited Ground Truth
par: Xu, Ziyang, et autres
Publié: (2025)
par: Xu, Ziyang, et autres
Publié: (2025)
PathGLS: Evaluating Pathology Vision-Language Models without Ground Truth through Multi-Dimensional Consistency
par: Chen, Minbing, et autres
Publié: (2026)
par: Chen, Minbing, et autres
Publié: (2026)
Documents similaires
-
Re:Form -- Reducing Human Priors in Scalable Formal Software Verification with RL in LLMs: A Preliminary Study on Dafny
par: Yan, Chuanhao, et autres
Publié: (2025) -
A Tutorial: An Intuitive Explanation of Offline Reinforcement Learning Theory
par: Che, Fengdi
Publié: (2025) -
Local Success Does Not Compose: Benchmarking Large Language Models for Compositional Formal Verification
par: Xu, Xu, et autres
Publié: (2025) -
EquivFusion: Unifying Hardware Equivalence Checking from Algorithms to Netlists via MLIR
par: Zhu, Jiaying, et autres
Publié: (2026) -
VeriContest: A Competitive-Programming Benchmark for Verifiable Code Generation
par: Xie, Zichen, et autres
Publié: (2026)