PROVE-RT usa LLMs para gerar provas mecanizadas em sistemas de tempo real

O que aconteceu

Pesquisadores publicaram no arXiv, em 13 de agosto de 2026, o artigo "PROVE-RT: Generating Mechanized Theorem Prover Scripts for Real-Time Systems using LLMs" (arXiv:2608.12762). O trabalho apresenta um framework que usa grandes modelos de linguagem (LLMs) para gerar scripts de provadores de teoremas mecanizados para análise de escalonabilidade em sistemas de tempo real. Na avaliação, o PROVE-RT alcançou 44,7% de sucesso na geração de provas válidas em PROSA/ROCQ, enquanto o prompting direto de LLMs de última geração não conseguiu gerar mecanizações válidas de forma confiável.

Contexto

A análise de escalonabilidade é essencial para certificar sistemas de tempo real, mas os testes existentes são frequentemente desenvolvidos por provas em papel e caneta, difíceis de escalar, validar e manter. A verificação mecanizada em PROSA/ROCQ oferece uma alternativa rigorosa, porém exige conhecimento especializado e esforço de engenharia de prova. LLMs têm mostrado sucesso em várias tarefas, mas carecem do conhecimento específico de PROSA para usar corretamente suas abstrações e padrões de prova. O PROVE-RT aborda essa lacuna guiando a geração por meio de esboços informais com informações de dependência, recuperação de documentação processada, geração de esqueleto em etapas e conclusão de prova.

Por que importa

A automatização da geração de provas pode reduzir significativamente o esforço humano na verificação formal de sistemas críticos, como controladores de aviação, automação industrial e veículos autônomos. No Brasil, a certificação de sistemas embarcados em setores como aeroespacial e automotivo pode se beneficiar de ferramentas que acelerem a validação formal, aumentando a confiabilidade e reduzindo custos. Além disso, a abordagem demonstra que LLMs podem ser adaptados a domínios especializados com conhecimento limitado.

Impacto

O PROVE-RT demonstra que a assistência guiada por recuperação de documentação e geração em etapas pode melhorar a automação da mecanização de análise de escalonabilidade. A taxa de sucesso de 44,7% ainda é parcial, mas representa um avanço em relação à falha total do prompting direto. O corpus construído, com 1.191 artigos e 13.134 esboços informais, pode servir de base para futuras pesquisas em verificação formal assistida por IA.

O que muda

A metodologia de esboços dependentes e geração de esqueleto em etapas pode ser adaptada para outros domínios de verificação formal. O framework mostra que a combinação de recuperação de conhecimento e geração estruturada é mais eficaz do que o uso direto de LLMs. Isso pode influenciar o desenvolvimento de ferramentas de verificação formal mais acessíveis.

O que vem agora

Os pesquisadores devem refinar o framework para aumentar a taxa de sucesso, possivelmente incorporando feedback de provadores ou fine-tuning de LLMs com dados específicos de PROSA. A disponibilidade do corpus e dos esboços pode estimular a comunidade a explorar novas abordagens. O artigo está disponível no arXiv para acesso aberto.