2026/09/09 0:56

C*：プログラミングと検証を統合した C

RSS: https://news.ycombinator.com/rss

要約▶

日本語翻訳:

この研究の主なメッセージは、C* と呼ばれる革新的なプログラミング言語の提案であり、これはソフトウェアの実装と形式的検証を単一の環境内で統合するものです。これら従来別々のプロセスを統合することで、標準的なコーディングと厳密な証明タスク間の断絶による高開発コストを直接解決します。プログラマーがパラダイムの対立により自身のコードの検証を回避する従来のアプローチとは異なり、C* は記号的実行エンジンと LCF 風の証明核を活用し、証明コードブロックを実生源内に埋め込みます。このアーキテクチャは、ユーザーがコードを書く際に証明状態をインタラクティブに更新しながらリアルタイムでの検証を可能にします。

言語のプロトタイプであるバージョン [v1] は、2025 年 4 月 3 日に提出され、成功裏に開発されました。システムは高い拡張性を備え、論理的な定義のための再利用可能なライブラリや複雑な推論シナリオを効果的に処理するためにプログラム可能自動化に対応します。評価については、C* は小規模な C プログラムの代表的なベンチマークと、pKVM の buddy アロケータの attach 関数に関する困難な実世界ケーススタディにおいてテストされ、これらにより C プログラミングの広範な一部イディオムを検証し、実世界のシナリオにおける複雑な推論タスクを処理する能力が示されました。将来を見据けて、開発者たちは C* が将来的にさらに広範な標準 C のイディオムに対応することを期待しています。究極的には、この革新は企業にとって保守コストを大幅に低下させると同時に、C を実装コードと証明コードの開発の共通言語として信頼性の高いソフトウェア構築のための堅牢で統合されたエコシステムを業界全体に提供する約束を果たします。

本文

システムソフトウェア検証のための証明統合型言語「C*」の提案

背景と課題

システムソフトウェアには高い安全性が求められ、かつ低レベルな性質を持つため、その正しい動作を保証することは形式検証の研究および応用上で主要な焦点となっている。しかし、現状では以下の問題が存在する。

検証ツールの進化に対する開発者の関与不足: 従来の開発者は自身のコード検証にほとんど参加していない。
コストの高騰: その結果、検証済みソフトウェアの開発・保守コストが大幅に高まっている。
環境とパラダイムの断絶: プログラミング環境と検証環境の間に隔たりがあることが、プログラマーの検証実践への参加に対する主要な障壁である。
- この断絶は利用可能性およびリアルタイム検証を制限する要因となっている。

提案：C*言語

これらの課題を解決するため、C プログラミング向けの証明統合型言語「C*」が提案される。

C*のアーキテクチャ

C* は以下の技術スタックに支えられており、C の文法を拡張して検証機能を付与する設計になっている。

符号実行エンジン: システムの基盤として採用。
LCF 方式の証明カーネル: 論理的な正当性を保証するための核となるコンポーネント。

C*の主な特徴

C* は実装コードと証明コードを統合する設計となっており、以下のような機能を備えている。

埋め込み型の証明コード: プログラマーは実装コードの隣接位置に証明コードブロックを埋め込むことが可能。
リアルタイム検証の実現: 現在の証明状態へのインタラクティブな更新により、検証プロセスを即座に進められる。
拡張可能なライブラリエコシステム: 表現力が豊かであり、以下のリソースの構築・再利用が可能。
- 論理定義
- 定理
- プログラム可能な証明自動化ツール

C の利点

極めて重要な点として、C* はC を共通言語として用いることで、実装コードと証明コードの開発を統合化している。これにより、C コーダーでも形式検証技術を容易に適用できる。

評価結果

著者らは C* のプロトタイプを実装し、以下のベンチマークを用いて評価を行った。

小規模な C プログラム: 代表的なベンチマークケース。
実際の応用例: pKVM のバディ・アロケータにおける
```
attach
```
関数。

得られた結論

評価結果から、C* は以下を示していることが確認された。

広範な C プログラミング慣用句の検証サポート。
現実的なシナリオにおける複雑な推論タスクの効果的処理。

提出情報

送信元: 曹依源 [メールを見る]
- [v1]: 2025 年 4 月 3 日（木）03:22:22 UTC (414 KB)

同じ日のほかのニュース

一覧に戻る →

2026/09/08 23:55

Google DeepMind、AlphaGenome アトラスをリリース

## Japanese Translation: ## サマリー： Google DeepMind は、ヒトゲノムにおけるあらゆる可能な単一ヌクレオチド変異の影響を予測することを目的とした画期的なツール「AlphaGenome Atlas」を導入しました。この 1 ペタバイト規模の巨大データセットは、全ての 90 億個の可能性のある変化について事前に影響を計算しており、「AVI スコア」というスコアを用いてどの遺伝的変異が最も重要かを瞬時に優先順位付けします。この革新は、稀少疾患の原因特定という重要な課題に対処しており、例えば広域研究所（Broad Institute）で同定された *DNM1* 遺伝子の特定の突然変異によって誤ったスプライスサイトが作成される問題に対処しています。さらに、54,000 人以上の UK Biobank 参加者のデータに適用した際、アトラスは非コード領域と身体質量指数（BMI）との新しい関連性を発見しました。予測された分子効果に基づいて変異をグループ化することで、従来の手法よりも 22% も多くの関連性を明らかにし、BMI に関連する 19 の遺伝的領域を同定しました。複雑で高度なプログラミングスキルを必要とする以前の手法とは対照的に、このツールは直感的なウェブサイトポータルを通じてアクセス可能となり、世界の臨床研究者へのアクセスを民主化しています。結局のところ、アトラスは科学者が膨大な技術的専門知識を必要とせずに最も有望な遺伝的なリードにリソースを集中させることを可能にし、発見のスピードを加速させています。

2026/09/09 5:07

MacBook Pro で 4 つの SSD からストリーミングし、トークン速度が 1 トークン/秒の Kimi K3（2.8T）

## 日本語翻訳: 元のサマリーは読みやすいですが、Key Points List に含まれる数量的な深みに欠け、欠落している指標なしでは具体的なパフォーマンスに関する主張を評価することが困難です。以下の改良版は、重要なデータポイントを取り入れつつ文脈の流れを維持したものです： ## サマリーこのプロジェクトは、ARGODRIVE の Deltafin フォークを使用して、アップストリーム仕様に従い（専門家プリューニングやウェイトの減少など、品質を犠牲にするショートカットを導入しない）、Apple M5 Max MacBook Pro（128 GB RAM）上で 2.8T パラメータの Kimi K3 MoE モデルをフルスケールで展開することを実証しています。**パフォーマンス分析**によると、デコードスループットはプロンプト長に応じて約 0.96〜1.13 tokens/s（アップストリームの約 0.68 tokens/s）と安定しています。しかし、このセットアップには 512 トークンのプロンプトに対する「最初のトークンまでの時間」（Time to First Token）の遅延が約 375 秒と大きく、これはプリフィル中に特定のメモリ専門家を読み直す効率が悪い（具体的には各レイヤーの専門家を 8 倍読み返す）ことが原因です。SSD スケールは対数曲線に従い、最も低速なレイヤーがペースを規定します。ドライブを追加しても収益性が低下し、1 ドライブがベースラインである 4 ドライブの約 52%、2 つのミラーリングが約 73%、3 ドライブが約 90% を提供します。このプロジェクトは、精度を犠牲にして（例えば専門家のウェイトを約 3 bit に減少させるなど）人工的に速度を上げる他のイニシアチブと区別されます。ユーザーは `--full` モード（1.7 TB のローカルダウンロード）または `--stream`（オンデマンドキャッシング）のいずれかを選択できます。デフォルトでは Inferact の Kimi-K3-DSpark が含まれており、生テキストタスク用にはオプションの Qwen アクセラレーラーが用意されています（チャット速度ではありません）。コードは MIT ライセンスで公開され、Moonshot AI と何らの関係もありません。アップグレードには `cargo build` を通じた手動メンテナンスが必要であり、アップストリームのライセンス条項に従っています。将来の計画は、プリフィルの読み直し問題を解決して起動遅延を排除することに焦点が当てられています。

2026/09/09 6:47

大規模言語モデルが適応的探索によって新たな社会的バイアスを発明する

## Japanese Translation: OpenReview にアクセスする前に、新規ユーザーは作業を続行するには強制のセキュリティ検証手順を完了する必要があります。既存のアカウント保有者は直接ログインすることでこの要件を回避でき、これにより自動的にメインインターフェースに遅延なくリダイレクトされます。その結果、新規ユーザーはチェックを完了させるまでワークフローを一時的に停止する必要があり、登録済みアカウント向けの免除を利用しない限りです。組織が新しい人材オンボーディングを行う場合、これらの個人が認証を完了する間、一時的な摩擦が発生する可能性があります。したがって、このプラットフォームは新規参入者に対して厳格な入場を強制し、一方で検証済みのユーザーにはシームレスなアクセスを維持します。