P1 EMERGE: Checking Implementation Equivalence for LLMs via Rule Synthesis
EMERGE：通过规则合成检查 LLM 的实现等价性
ASE Proceedings of the 41st IEEE/ACM International Conference on Automated Software Engineering2026匹配度 6/10 · 论文属于程序验证与机器学习/程序语言交叉，关注用规则合成检查 LLM 的实现等价性，与“形式化验证/程序分析 × LLM”方向相关；但摘要信息不足，未体现 Agentic、静态分析落地或浮点/贝叶斯等核心主题。引用 1 inbox
Qi Zhan, Xing Hu, Xin Xia, Shanping Li
crossref: 2026-10-09
AI 速览
一句话：提出 EMERGE，借助规则合成检查 LLM 的实现等价性，并发布 ASE 2026 工件。
该论文提出 EMERGE，面向 LLM 的实现等价性检查问题，核心思路是通过规则合成来支持实现之间的等价性判定。给定标题与仅有 ASE 2026 artifact 的摘要，论文的具体规则语言、规则合成算法、等价性判定流程以及实验评估均未在摘要中展开，因此无法从现有信息确认其关键结果、基准与对比方法。已知贡献是提出并实现 EMERGE 工具或工件，用于 LLM 场景下的实现等价性检查，并随 ASE 2026 提供 artifact。
- 问题
- 如何自动检查与 LLM 相关的实现之间是否等价；摘要未给出更具体的问题设定。
- 方法
- 提出 EMERGE，通过规则合成来支持实现等价性检查；具体规则合成与检查流程未在摘要中说明。
- 评估
- 仅标注为 ASE 2026 artifact，未提供评估结果、基准或实验数据。