在软件测试和验证中，正式合约至关重要，但编写这些合约依然劳动密集且容易出错。大型语言模型（LLMs）为自动形式化提供了一条有前景的路径：从自然语言规范中合成可执行的声明，从而弥合非正式开发者意图与正式可执行规范之间的差距。我们提出了 Monty：一个用于声明的自动形式化框架，旨在解决声明有效性期望和自然语言歧义的挑战。我们的技术基于使用新颖的符合性评分度量和通过对代码进行测试获得的有效性评分来过滤形式化内容。我们在22个类似 Java 类中，评估了541个声明生成任务，结果表明我们的方法在生成真实结果方面更为可靠（平均精度提高了最多20个百分点），相比于直接使用 LLMs 翻译声明的方式。
博主点评： Monty 框架的提出为软件测试领域带来了新的思路，特别是在自动化程度日益提升的今天，能有效减少人工错误并提高效率。其基于符合性评分的创新方法值得深入研究与应用，展现了 LLMs 在实际开发中的巨大潜力。