Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Inteligencia artificial · broyojo.com
Formalizando CPython
Agentes de IA han reescrito en Lean, línea a línea, funciones del intérprete CPython, las han contrastado con Python real y han verificado las pruebas con el comprobador de Lean. El proyecto suma 613.318 líneas de Lean y 418 informes de bugs, unos 55 de ellos capaces de colgar el intérprete o corromper memoria.
Foto: vía broyojo.com
1 medio · MadridPublicada 10 nov, 06:00Actualizada 10 nov, 10:30· Ya no está en portadaEscrita por IA · cómo funciona
Los autores pusieron a Opus 5.5 a reescribir en Lean, un lenguaje para escribir pruebas verificadas por máquina, las funciones de CPython, el programa que ejecuta casi todo el código Python. El resultado son 613.318 líneas de Lean en 1.539 archivos, con 18.898 teoremas y lemas que el comprobador de Lean valida en cada compilación. Hasta ahora han superado la revisión 4.071 funciones, y según el gráfico del artículo la cobertura de CPython 3.15.2 ronda el 16 %.
Cada función pasa por cuatro pasos: copiarla en Lean siguiendo el original, incluidos sus mensajes de error y sus casos raros; probar la copia contra Python real con al menos 50.000 entradas difíciles; demostrar una propiedad que debería cumplirse siempre (o, si es falsa, demostrar lo contrario); y someterla a un segundo agente, que no la escribió, para que intente romperla. Solo cuenta lo que sobrevive.
Lo más difícil, cuentan, no fue conseguir pruebas sino pruebas con sentido. En el primer intento, que pedía amplitud, una revisión posterior halló que menos de la mitad de las funciones comprobadas se sostenían, y en un archivo solo el 21 %. Las pruebas eran correctas pero triviales: «si devuelve un número, es al menos cero» lo cumple incluso una función que siempre falla. Ahora el revisor pregunta si una versión rota de la función podría pasar también esa prueba.
Una prueba válida tampoco garantiza que la copia coincida con Python real, así que cada enunciado aceptado se ejecuta también contra Python. Eso destapó varios casos: el codificador JSON rápido asumía que las peticiones de memoria nunca fallan y «demostraba» que podía construir sangrías que requerirían 16 terabytes; una prueba sobre la profundidad de llamadas de pickle fallaba en un proceso nuevo, donde la primera codificación de una cadena carga un códec que usa nueve llamadas anidadas más; y tres copias comprobaban el nombre exacto de un error en lugar de admitir sus subclases.
«Formalizing CPython» · puesto 30 · 105 puntos · enviado por carnevalem
Lo que dicen los comentarios
La conversación es dispersa. Varios comentarios señalan que el mismo enfoque ya se aplicó a la biblioteca estándar de Julia y debaten cómo llevar este tipo de búsqueda de bugs a la rutina de un conjunto de pruebas, dado que ahora exige mucho trabajo humano y de agentes. Surgen ideas como propiedades opcionales escritas junto al código, traducir Python a Lean automáticamente o desarrollar directamente en Lean, cuya velocidad defiende algún comentario. Otros ponen en duda cómo se distingue un bug de un comportamiento intencionado si la copia reproduce el código C. Hay también rechazo a leer o citar textos escritos por IA, y un lector esperaba muchos más de 418 bugs, a lo que se responde que la cobertura aún es parcial.
Este enfoque de caza de bugs es muy prometedor, pero no es automatizable, porque exige mucho trabajo humano y de agentes de IA. A largo plazo habría que integrarlo en el lenguaje, con propiedades opcionales junto al código que se comprueben en los tests.
En principio, sí. Imagino que los primitivos de Python (dicts, ints, funciones) están definidos en Lean; si se pudiera anotar código Python con una prueba, también se podría traducir a Lean automáticamente.
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.