英文原标题:Semantic diffing of formal policies with anti-unification

本文为英文原文的机器翻译摘要,原文见:AWS Machine Learning Blog ↗

  • 文章介绍了一种基于反合一(anti-unification)的语义差异比较方法,用于形式化策略的比较。传统文本差异会突出语法变化而非语义变化,而语义差异能展示两个策略的共同点和分歧点。
  • 该引擎在e-graph上工作,通过用户提供的代数定律和领域规则来识别表达式之间的等价关系。如果差异未消除,可能表示引擎尚未发现等价性。
  • 应用场景包括自动形式化:LLM将自然语言需求翻译成SMT-LIB、Cedar、Dogwood、OpenShell策略或CEL表达式,多次生成可能产生不同形式化结果,语义差异可帮助识别一致和变化的部分。
  • 文章以两个规则为例,展示了如何通过声明And的结合、交换、幂等性以及领域重写规则(如external等价于not internal),将差异从两个Variants节点减少到一个,从而定位真正的语义分歧。
  • 结果中的:size、:cr和:completion字段分别表示具体节点数、压缩比和完成状态,Variants节点保留两种读法,实现无损合并。

关键数据

  • Plotkin在1970年的论文给出了反合一的经典表述。
  • 示例中初始反合一结果:size 11,:cr 0.5000;应用重写后:size 8,:cr 0.1429。
  • 压缩比计算公式为(s - a) / b,其中s是结果大小,a和b是较小和较大的输入大小。

引语

  • The anti-unifier is a lossless merge of both terms

为什么值得看:该方法能帮助审查者聚焦形式化策略中真正的语义分歧,而不是被语法差异干扰,尤其适用于LLM生成多个形式化候选时的比较和验证。

站内导航