Не установлено по доступным источникам.
GOOGLE DEEPMIND · ТРЕКЕР МОДЕЛИ
Gemini Carbon
Gemini Carbon — именованный вариант модели, используемый Google DeepMind. В выдержках сообщается, что агенты на базе Gemini Carbon применялись в агентной системе AlphaProof Code DeepMind для формального доказательства частей реализации протокола Signal, с генерацией миллионов строк на языке Lean и пометкой небольших участков кода для проверки человеком.ТЕКУЩИЙ СНИМОК1/5 РАЗДЕЛОВ С ДАННЫМИ
Главные характеристики в одном месте.
Не установлено по доступным источникам.
Использована в много‑LLM агентной системеGemini Carbon использовалась как модель в AlphaProof Code DeepMind — много‑LLM агентной системе, которая координировала работу AI‑агентов для формальной верификации.
Не установлено по доступным источникам.
Не установлено по доступным источникам.
ПРОВЕРЯЕМЫЕ ФАКТЫ
Каждое значение привязано к источнику и дате.
МОДАЛЬНОСТИ · Использована в много‑LLM агентной системеДАННЫЕ РАЗРАБОТЧИКА
Gemini Carbon использовалась как модель в AlphaProof Code DeepMind — много‑LLM агентной системе, которая координировала работу AI‑агентов для формальной верификации.
ВОЗМОЖНОСТИ · Использована для генерации формальных доказательств реализации протокола SignalДАННЫЕ РАЗРАБОТЧИКА
Агенты на базе Gemini Carbon выполняли доказательства, внесшие вклад в математическую верификацию ключевых свойств безопасности реализации протокола Signal, сгенерировав более шести миллионов строк кода доказательств на Lean.
ВОЗМОЖНОСТИ · Аудит доказательств сократил проверку человеком до ≈1%ДАННЫЕ РАЗРАБОТЧИКА
Агенты на базе Gemini Carbon проводили аудит доказательств и отмечали области, требующие проверки человеком — примерно 1% кода оставлялось для ручной проверки, тогда как Lean автоматически проверял остальное.
БЕЗОПАСНОСТЬ · Выводы анализа DeepMind с использованием Gemini CarbonДАННЫЕ РАЗРАБОТЧИКА
В анализе DeepMind с использованием AlphaProof Code (включая агентов на базе Gemini Carbon) в проверенных участках новых уязвимостей не обнаружено; при запуске на старых версиях Signal с известными уязвимостями система корректно выявила эти проблемы и показала, что протокол не поддаётся формальной верификации для таких версий.
ВОЗМОЖНОСТИ · Генерация формальных доказательств (Lean) для реализации протокола SignalДАННЫЕ РАЗРАБОТЧИКА
Агенты, работающие на базе Gemini Carbon, сгенерировали более шести миллионов строк кода на Lean для формальных доказательств реализации протокола Signal в рамках AlphaProof Code.
ВОЗМОЖНОСТИ · Выделение небольшой части кода для проверки человекомДАННЫЕ РАЗРАБОТЧИКА
Агенты на базе Gemini Carbon аудировали доказательства и выделили примерно один процент кодовой базы для проверки человеком, сокращая объём ручной проверки.
ВОЗМОЖНОСТИ · Обнаружение намеренно встроенных ошибок в тестахДАННЫЕ РАЗРАБОТЧИКА
В тестах DeepMind агенты на базе Gemini Carbon сразу обнаружили две намеренно встроенные ошибки, использовавшиеся для валидации системы.
ЧТО ИЗМЕНИЛОСЬ
Сохранённые версии паспорта, без догадок задним числом.
ВОЗМОЖНОСТИ · Обнаружение намеренно встроенных ошибок в тестах+ В тестах DeepMind агенты на базе Gemini Carbon сразу обнаружили две намеренно встроенные ошибки, использовавшиеся для валидации системы.
ВОЗМОЖНОСТИ · Выделение небольшой части кода для проверки человеком+ Агенты на базе Gemini Carbon аудировали доказательства и выделили примерно один процент кодовой базы для проверки человеком, сокращая объём ручной проверки.
МОДАЛЬНОСТИ · Модальность модели− Описана как LLM, использованная в много-LLM агентной системе (агенты на базе Gemini Carbon).
ВОЗМОЖНОСТИ · Генерация формальных доказательств (Lean) для реализации протокола Signal+ Агенты, работающие на базе Gemini Carbon, сгенерировали более шести миллионов строк кода на Lean для формальных доказательств реализации протокола Signal в рамках AlphaProof Code.
МОДАЛЬНОСТИ · Использована в много‑LLM агентной системе+ Gemini Carbon использовалась как модель в AlphaProof Code DeepMind — много‑LLM агентной системе, которая координировала работу AI‑агентов для формальной верификации.