verified-ledger项目利用Lean 4和Rust进行形式化验证与模糊测试，以确保账本系统的安全性和正确性。通过对比Rust实现与Lean模型的输出，识别潜在漏洞。该项目适合希望在高可靠性系统中引入形式化验证的开发者。

微软正在将其开源密码学库SymCrypt从C语言重写为Rust，以提升内存安全性并防范漏洞。重写过程中将结合形式化验证方法，并确保与现有C API兼容。目前初步的Rust版本已在预览分支中发布。

本研究提出了一种新的稳健策略计算方法，解决了部分可观察马尔可夫决策过程（POMDP）中策略对环境扰动的稳健性问题。通过结合形式化验证与次梯度上升优化，实验结果表明该方法在多个基准测试中展现出更好的稳健性和泛化能力。

本研究提出了一种可扩展的概率神经符号验证方法，解决了神经符号人工智能中概率推理系统的形式化验证问题。该方法在复杂性处理上表现出显著的扩展性，并在自主驾驶数据集上有效验证了安全特性。

本研究分析了大型语言模型（LLMs）在形式化验证任务中的表现。通过构建高质量的指令-响应对，微调后的 LLM 在证明编写方面显著提升了数学、推理和编码能力，为后续研究提供了新思路，并已公开微调模型。

本文提出了一种新方法，用于形式化验证机器学习模型参数的马尔可夫过程属性。研究将属性验证转化为双线性规划，并开发了高效的求解方法，实验证明其速度比现有最佳求解器快100倍，可能改变医疗建模等领域的概率程序验证方式。

本研究提出了一种新基准，结合大型语言模型（LLMs）与形式化验证，自动检测密码协议漏洞。研究表明，当前模型在此基准上的表现为网络安全应用提供了新思路，展示了LLMs与符号推理系统集成的潜力。

该研究探讨了现代系统芯片（SoCs）设计中的验证挑战，提出了多种形式化验证方法，包括大型语言模型（LLMs）和模糊测试技术，以提高验证效率和覆盖率。研究表明，这些方法能有效整合数字与模拟设计，显著提升验证效果。

本文讨论了对Servo浏览器引擎事件循环的修复和优化，通过细化事件循环和使用形式化验证确保任务队列和渲染更新的正确性。文章还提到了Arroyo分布式流处理引擎和dom-content-extraction内容提取方式。