☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
Anthropic 与 Theorem Labs 携手合作，将 Claude 推入一场深入至机器码层级的软件漏洞全面围剿行动。他们让 Claude 下沉至最底层，直接面向 RISC-V 汇编指令，对大批量生产级开源代码库开展形式化验证——仅用数周时间，便完成了对 123 个开源项目、239 个测试入口的深度分析，生成了 1.8 亿行经严格核验的 Rocq 数学证明代码。
真正令人脊背一凉的，是它所揭露的问题。那些在模糊测试（fuzzing）中历经上万亿次随机输入仍始终未被触发的隐蔽缺陷、蛰伏超过十年的高危逻辑盲区，甚至 x86 处理器底层的硬件异常与官方技术文档中的表述错误，全被 Claude 一次性精准定位。传统随机测试如同用沙网反复过滤漏洞，注定存在漏检；而该方法的核心优势在于，它把每个测试入口直接转化为数学命题，对所有执行路径与全部可能输入进行全覆盖式逻辑推演——一旦证明过程在某处中断或无法继续推进，该位置极大概率即为漏洞所在；更关键的是，Claude 不仅能指出问题，还能自动生成修复补丁，并立即完成补丁后的再验证，从而显著压缩漏报空间。
从成本维度审视，这一突破的价值更为凸显。过去，深入到机器码级别的形式化验证素以工程复杂度高、人力投入大著称；如今依托大语言模型能力，验证效率正以约每两个月翻倍的速度持续跃升，且产出的数学证明具备跨项目复用潜力。按当前进展估算，投入约 1.34 亿美元，有望于 2027 年底前完成 Nix 生态系统中 95% 机器码层级的验证覆盖；目前首批验证成果已对外公开。在网络安全威胁日益加剧的当下，这条“以 AI 将代码正确性升格为数学定理”的技术路径，正为整个行业构筑起一道前所未有的纵深防御屏障。
