ఆల్ఫాప్రూఫ్ కోడ్ మరియు సిగ్నల్: మెషిన్-కోడ్ సెక్యూరిటీ ప్రూఫ్‌లు మరియు విశ్వసనీయ అంచనాలు తనిఖీ చేయబడ్డాయి

ఈ వీడియో ఏమి కవర్ చేస్తుంది

• AI ఏజెంట్లు అభ్యర్థి ప్రూఫ్‌లను ఉత్పత్తి చేస్తారు; మానవులు ఆమోదించిన అధికారిక క్లెయిమ్‌ను అవి స్థాపిస్తాయో లేదో లీన్ కెర్నల్ తనిఖీ చేస్తుంది.
• ధృవీకరించబడిన లక్ష్యం ఒక నిర్దిష్ట సంకలనం చేయబడిన libsignal CLI హార్నెస్, విశ్వసనీయ సెమాంటిక్స్ మరియు క్రిప్టోగ్రాఫిక్ కాంట్రాక్ట్‌లతో కూడినది.
• సంకలనం చేయబడిన బైనరీని నిరూపించడం వలన ఆ బైనరీ యొక్క పేర్కొన్న లక్షణాల కోసం రస్ట్ కంపైలర్‌ను విశ్వసనీయ బేస్ నుండి తొలగిస్తుంది.
• పరిశోధకులు తమ సింబాలిక్ సెక్యూరిటీ థియరమ్‌ను ఉల్లంఘించే గతంలో పరిష్కరించబడిన బగ్‌ల యొక్క రెండు వివిక్త పునఃపరిచయాలను నివేదించారు.
• కంపరేటర్ థియరమ్ మరియు ప్రతి ఆధారిత నిర్వచనాన్ని రక్షిత ఆమోదించబడిన స్పెసిఫికేషన్‌కు వ్యతిరేకంగా తనిఖీ చేస్తుంది; సవరణలు ప్రత్యేకంగా సమీక్షించబడిన ప్రక్రియ ద్వారా వెళ్తాయి.

అనువదించబడిన ట్రాన్స్క్రిప్ట్

అసలైన ఆంగ్ల కథనం నుండి అనువదించబడింది. అందుబాటులో ఉన్న ఆడియో మరియు క్యాప్షన్లు YouTube ద్వారా నియంత్రించబడతాయి.

ఒక AI సెక్యూరిటీ ప్రూఫ్‌ను ఎవరు తనిఖీ చేస్తారు?

0:00 ఒక AI భద్రతా ఆడిట్ ఇప్పటికీ చాట్‌బాట్‌ను నమ్మినట్లుగా అనిపిస్తుంది. Google యొక్క కొత్త సిగ్నల్ ఫలితం ప్రత్యేక కెర్నల్ ద్వారా గణిత ప్రూఫ్‌లతో వస్తుంది తనిఖీ చేస్తుంది. ఈ వీడియోలో, Google ఏమి నిరూపించింది? మరియు గోల్‌పోస్ట్‌లను కదిలించకుండా వారు ఒక ఏజెంట్‌ను ఎలా ఆపుతారు? ఇది ఉపయోగకరమైన సమాధానం. మోడల్‌లు అభ్యర్థి ప్రూఫ్‌లను వ్రాస్తాయి, మరియు లీన్ ప్రూఫ్‌లను తనిఖీ చేస్తుంది మానవులు ఆమోదించిన నిర్దిష్ట సంకలనం చేయబడిన కోడ్ గురించి క్లెయిమ్‌కు వ్యతిరేకంగా. మానవులే ఇప్పటికీ క్లెయిమ్ మరియు అంచనాలకు యజమానులు.

0:21 మోడల్ యొక్క విజయోత్సవ ప్రసంగాన్ని నమ్మకుండా మీరు ఫలితాన్ని తనిఖీ చేయవచ్చు. ప్రశ్నను నిశ్శబ్దంగా మార్చడాన్ని ఒక ప్రత్యేక తనిఖీ పట్టుకుంటుంది. మేము దానిని నిర్వచనాల వరకు అనుసరిస్తాము. ఈ రోజు మంగళవారం, నవంబర్ పది, మరియు ఇది The Daily Diff. ఆల్ఫాప్రూఫ్ కోడ్ అనేది Google యొక్క ఫ్రేమ్‌వర్క్, మానవ మార్గదర్శకత్వంతో సాఫ్ట్‌వేర్ స్పెసిఫికేషన్‌లను వ్రాయడానికి మరియు AI ఏజెంట్‌లతో తనిఖీ చేయబడిన ప్రూఫ్‌లను రూపొందించడానికి. మానవ మార్గదర్శకత్వంతో సాఫ్ట్‌వేర్ స్పెసిఫికేషన్‌లను వ్రాయడానికి మరియు AI ఏజెంట్‌లతో తనిఖీ చేయబడిన ప్రూఫ్‌లను రూపొందించడానికి. ఈ అధ్యయనం libsignal, సిగ్నల్ యొక్క మెసేజింగ్ ప్రోటోకాల్‌ను అమలు చేసే రస్ట్ లైబ్రరీని, ఒక నిర్దిష్ట కమాండ్-లైన్ ప్రోగ్రామ్ లోపల లక్ష్యంగా చేసుకుంది. ఈ అధ్యయనం libsignal, సిగ్నల్ యొక్క మెసేజింగ్ ప్రోటోకాల్‌ను అమలు చేసే రస్ట్ లైబ్రరీని, ఒక నిర్దిష్ట కమాండ్-లైన్ ప్రోగ్రామ్ లోపల లక్ష్యంగా చేసుకుంది.

0:45 Google ఈ రోజు ఈ పనిని ప్రకటించింది. దాని పేపర్ ప్రకారం ఐదుగురు పరిశోధకులు నాలుగు వారాలకు పైగా పని చేశారు. ఏజెంట్లు ప్రూఫ్‌లను వ్రాసారు, అయితే మానవులు తమ ప్రయత్నంలో ఎక్కువ భాగాన్ని స్పెసిఫికేషన్‌లపై వెచ్చించారు. అవసరాలు మరింత ఖరీదైన సమావేశాలుగా మారడానికి ఒక మార్గాన్ని కనుగొన్నాయి. స్పెసిఫికేషన్ ప్రోగ్రామ్ ఏమి చేయాలి అని చెబుతుంది,

ఒక క్లెయిమ్ ప్రూఫ్ లక్ష్యం ఎలా అవుతుంది?

0:59 దాడి చేసేవాడు ఏమి నియంత్రిస్తాడు, మరియు వాదనకు ఏ అంచనాలు అవసరం. సమీక్షకులు ఇది ప్రజలు పట్టించుకునే భద్రతను సంగ్రహిస్తుందా అని అడుగుతారు. బలహీనమైన ప్రశ్నకు అందంగా తనిఖీ చేయబడిన సమాధానం ఆ ప్రశ్నను అలాగే ఉంచుతుంది. ఈ బృందం సిగ్నల్ యొక్క హ్యాండ్‌షేక్ మరియు దాని మెసేజ్-కీ రాచెట్ పై మునుపటి పరిశోధనల ఆధారంగా నిర్మించింది. అధికారిక విశ్లేషణలు ఇప్పటికే ఆ డిజైన్‌లను అధ్యయనం చేశాయి. Google యొక్క క్లెయిమ్ వారి భద్రతా వాదనలను సవరించబడని ఉత్పత్తి లైబ్రరీ యొక్క సంకలనం చేయబడిన అమలుకు కలుపుతుంది, ఇక్కడ డిజైన్ వాస్తవ కోడ్‌తో సంబంధాన్ని తట్టుకోవాలి. సిగ్నల్ యొక్క చీఫ్ టెక్నాలజీ ఆఫీసర్, ఎహ్రెన్ క్రెట్,

1:27 మునుపటి ధృవీకరణ యొక్క చిన్న పరిధులకు మించి విస్తరణను వివరిస్తుంది. అమలు వివరాలలో అవుట్-ఆఫ్-ఆర్డర్ మెసేజ్‌లు మరియు ఆర్కైవ్ చేయబడిన సెషన్‌లు ఉన్నాయి ఆలస్యమైన మెసేజ్‌ల కోసం. నిజమైన సాఫ్ట్‌వేర్ మీరు పారవేసిన రసీదులను ఉంచుతుంది. పరిశోధకులు సవరించబడని రస్ట్ లైబ్రరీని ప్రామాణిక కంపైలర్‌తో సంకలనం చేస్తారు

సంకలనం చేయబడిన బైనరీని ఎందుకు నిరూపించాలి?

1:41 ఒక ఆర్మ్ అరవై-నాలుగు లైనక్స్ ఎగ్జిక్యూటబుల్‌గా. వారి థియరమ్స్ ఆ బైనరీని అధికారిక సూచన మోడల్‌ను ఉపయోగించి వివరిస్తాయి, ఒక ఆర్మ్ అరవై-నాలుగు లైనక్స్ ఎగ్జిక్యూటబుల్‌గా. వారి థియరమ్స్ ఆ బైనరీని అధికారిక సూచన మోడల్‌ను ఉపయోగించి వివరిస్తాయి, సోర్స్ మరియు ఆప్టిమైజ్ చేయబడిన మెషిన్ కోడ్ మధ్య అంతరాన్ని చేరుతాయి. పేర్కొన్న లక్షణాన్ని విచ్ఛిన్నం చేసే కంపైలర్ లోపం దాని థియరమ్‌ను తప్పు చేస్తుంది. కంపైలర్ ఈ బైనరీ కోసం విశ్వసనీయ బేస్‌ను వదిలివేస్తుంది. మీరు ఇప్పటికీ సూచన మోడల్ మరియు లీన్ యొక్క చెకర్‌ను విశ్వసిస్తారు. విశ్వసనీయ సరిహద్దు కదిలింది, మరియు దానికి ఒక చిరునామా ఉంది. సుమారు ఆరున్నర మిలియన్ల లైన్ల తనిఖీ చేయబడిన ప్రూఫ్ సుమారు ఇరవై ఆరు

2:06 వేల విశ్వసనీయ స్పెసిఫికేషన్ మరియు సూచన-సెమాంటిక్స్ లైన్‌లపై ఆధారపడి ఉంది. ఇవి ఆర్టిఫ్యాక్ట్ గణనలు. వాటిని ఇంటెలిజెన్స్ స్కోర్‌లుగా పరిగణించడం అంటే డెవలపర్‌లను పరిమాణం ఆధారంగా ర్యాంక్ చేయడం లాంటిది వారి నోడ్ మాడ్యూల్స్ ఫోల్డర్ యొక్క.

అమలులో ఉన్న అంతరాన్ని ఏ భద్రతా లక్షణాలు అధిగమించాయి?

2:16 వాదనలు సందేశ గోప్యత మరియు ప్రామాణీకరణను కవర్ చేస్తాయి, పేర్కొన్న మోడల్‌ల క్రింద ఫార్వార్డ్ సీక్రెసీ మరియు పోస్ట్-కాంప్రమైజ్ భద్రతతో. చివరి రెండు దొంగిలించబడిన-కీ నష్టం మరియు కొత్త మార్పిడి తర్వాత కోలుకోవడానికి పరిమితులను వివరిస్తాయి. ప్రతి హామీకి దాడి చేసేవాడు మరియు సెషన్‌పై షరతులు ఉంటాయి. క్రిప్టోగ్రాఫిక్ ప్రిమిటివ్‌లు విశ్వసనీయ కాంట్రాక్ట్‌ల వెనుక ఉంటాయి. ప్రూఫ్ ఆ రొటీన్‌లు పేర్కొన్న విధంగా ప్రవర్తిస్తాయని ఊహిస్తుంది మరియు క్రిప్టోగ్రాఫిక్ భద్రతా అంచనాలపై ఆధారపడుతుంది. ఒక ప్రూఫ్ క్రిప్టోగ్రఫీని ఆదర్శీకరిస్తుంది; మరొకటి గురించి వాదనలు దాడి చేసేవాడి విజయ సంభావ్యతలు.

2:42 రెండు కూడా అవి కవర్ చేసే దృశ్యాలపై పరిమితులను కలిగి ఉంటాయి. ఏ బిల్డ్, ఏ లక్షణం, మరియు ఏ అంచనాలు అని అడగండి. ఈ ఫలితం పరిశోధకుల కమాండ్-లైన్ హార్నెస్‌కు సంబంధించినది. గ్రూప్ మెసేజింగ్ భవిష్యత్ పని, మరియు కంప్యూటేషనల్ మోడల్ మినహాయిస్తుంది బహుళ-పరికర స్థితి. ప్రతి సిగ్నల్ ఇన్‌స్టాలేషన్ బగ్-రహితంగా ఉందని పిలవడం థియరమ్ వెలుపల సంచరిస్తుంది. పరిశోధకులు గతంలో పరిష్కరించబడిన రెండు సిగ్నల్ బగ్‌లను తిరిగి ప్రవేశపెట్టారు

స్పెసిఫికేషన్ విరిగిన కోడ్‌ను తిరస్కరించగలదా?

3:02 వివిక్త కాపీలలో మరియు వాటిని సంకలనం చేశారు. తనిఖీ చేయబడిన ప్రూఫ్‌లు ఆ బైనరీలు సింబాలిక్ సెక్యూరిటీ థియరమ్‌ను ఉల్లంఘించాయని చూపించాయి. స్పెసిఫికేషన్ నిజమైన విరిగిన అమలులను తిరస్కరించగలదా అని అది పరీక్షించింది. మీ గ్రీన్ చెక్‌మార్క్‌కు రెడ్ టెస్ట్ అవసరం. Google తనిఖీ సూచనలతో స్పెసిఫికేషన్‌లు మరియు ప్రూఫ్‌లను ప్రచురిస్తుంది. రిపోజిటరీ ఒక శుభ్రమైన బిల్డ్ గంటలు మరియు గణనీయమైన మెమరీని తీసుకుంటుందని చెబుతుంది. ప్రకటనను చదవడం ల్యాప్‌టాప్‌లో చాలా సులభం. హార్డ్‌వేర్ మోడల్ మరియు విశ్వసనీయ కాంట్రాక్ట్‌లకు ఇప్పటికీ సమీక్ష అవసరం.

3:26 నేను ఈ ఎపిసోడ్ కోసం భారీ ఆర్టిఫ్యాక్ట్‌ను తిరిగి నిర్మించలేదు. మేము ప్రచురించబడిన ఫలితం మరియు దాని సరిహద్దులను నివేదిస్తున్నాము. బయటివారికి దానిని పరిశీలించడానికి ఒక మార్గం ఉంది, అది మరొక AI కంటే నాకు చాలా ముఖ్యం విజయ రౌండ్. ఇప్పుడు ఉచ్చు.

సరైన ప్రూఫ్ తప్పుడు ప్రశ్నకు సమాధానం ఇవ్వగలదా?

3:36 లీన్ దాదాపు ఏమీ అడగని స్టేట్‌మెంట్ యొక్క సరైన ప్రూఫ్‌ను అంగీకరించగలదు. అసాధ్యమైన అంచనాలు ఒక థియరమ్‌ను శూన్యంగా చేయగలవు. హెడ్‌లైన్ థియరమ్ కింద పాతిపెట్టిన నిర్వచనాన్ని మార్చడం లక్ష్యాన్ని బలహీనపరుస్తుంది. ఈ పత్రం దీనికి వ్యతిరేకంగా తనిఖీలను రూపొందిస్తుంది. గేట్‌కీపర్ ప్రూఫ్ ఏజెంట్లు వ్రాయలేని ఆమోదించబడిన స్పెసిఫికేషన్‌ను కలిగి ఉంది. వారు ప్రత్యేక సవరణ ప్రక్రియ ద్వారా దిద్దుబాట్లను ప్రతిపాదించవచ్చు. భద్రతా బలహీనత సంభావ్య బగ్‌గా తీవ్రతరం చేయబడుతుంది. ప్రూవర్ యొక్క విజయ ప్రకటనకు ఇక్కడ ఎటువంటి అధికారం లేదు.

4:00 మానవులు విశ్వసనీయ అంచనాలకు మార్పులను నిర్ణయిస్తారు, నేరుగా లేదా వారి పాలసీ ద్వారా, మరియు ప్రతి ప్రచారం తర్వాత సవరణలను సమీక్షిస్తారు. నిపుణుల తీర్పు బాధ్యత వహిస్తుంది. ఏజెంట్ వేరే అసైన్‌మెంట్‌ను అభ్యర్థించగలదు. అది తనకు తానుగా పాసింగ్ గ్రేడ్‌ను ఇవ్వదు.

కదిలే గోల్‌పోస్ట్‌లను ఏమి పట్టుకుంటుంది?

4:13 ఇక్కడ వాగ్దానం చేయబడిన తనిఖీ ఉంది. లీన్ యొక్క కంపరేటర్ థియరమ్ మరియు అది ఆధారపడే ప్రతి నిర్వచనాన్ని ఆ రక్షిత ఆమోదించబడిన కాపీతో పోల్చి చూస్తుంది. ఇది అనుమతించబడిన స్వీయ-నిరూపణలను కూడా తనిఖీ చేస్తుంది మరియు కొత్త కెర్నల్‌లో ప్రూఫ్‌ను తిరిగి ప్లే చేస్తుంది. అందువల్ల సహాయక నిర్వచనాన్ని నిశ్శబ్దంగా బలహీనపరచడం పోల్చబడుతున్న విషయాన్ని మారుస్తుంది. ఆమోదించబడిన ప్రూఫ్ ఆమోదించబడిన లక్ష్యాన్ని స్థాపించాలి. ఇది ఇప్పటికీ బలమైన లక్ష్యాన్ని మరియు నిజాయితీని ఎంచుకోవడానికి మానవులను బాధ్యులుగా చేస్తుంది అంచనాలు. మీ స్వంత AI వర్క్‌ఫ్లో కోసం, అంగీకార ప్రమాణాలను వెలుపల ఉంచండి

4:37 కార్మికుని సవరణ అనుమతులు మరియు ప్రతిపాదిత మార్పులను విడిగా సమీక్షించండి. Google యొక్క ఫలితం ఆ విభజనను స్పష్టంగా చేస్తుంది. ప్రూఫ్ రైటర్ పని చేస్తుంది; తనిఖీ సరిహద్దు అది లెక్కించబడుతుందో లేదో నిర్ణయిస్తుంది. మీరు దీన్ని వినడం కంటే చదవడానికి ఇష్టపడితే, diff మీ ఇన్‌బాక్స్‌కు వస్తుంది ప్రతి ఉదయం, daily diff dot dev వద్ద ఉచితం, లింక్ క్రింద ఉంది. కాబట్టి నేటి తీర్పు SHIP IT.

నేను ఈ ప్రూఫ్ వర్క్‌ఫ్లోను షిప్ చేస్తానా?

4:54 నేను ఈ తనిఖీ చేయబడిన-ప్రూఫ్ వర్క్‌ఫ్లోను షిప్ చేస్తాను ఎందుకంటే ఆమోదించబడిన క్లెయిమ్ విడిగా ఉంటుంది సమాధానాన్ని ఉత్పత్తి చేసే ఏజెంట్ నుండి. నేను ప్రతి ఫలితానికి పరిధి మరియు అంచనాలను జోడిస్తాను. సబ్‌స్క్రైబ్ చేయండి, బెల్ నొక్కండి, మరియు మీరు దాన్ని భిన్నంగా స్టాంప్ చేసి ఉంటే వ్యాఖ్యలలో నాకు చెప్పండి. మరియు ఈ రోజుకు ఇదే diff. నేను ఆక్సిరిసి నుండి నికో. బాధ్యతాయుతంగా విలీనం చేయండి.

మూలాలు

1. AlphaProof Code: Verifying Signal's Security at the Machine-Code Level — technical scope, trusted base and gatekeepingSwarat Chaudhuri and colleagues / Google DeepMind and Google
2. Introducing AlphaProof Code — November 10 announcement and attributed Signal CTO responsePushmeet Kohli and Swarat Chaudhuri / Google DeepMind
3. Code-verification repository — initial commit, public artifacts and checking instructionsGoogle DeepMind / GitHub
4. The PQXDH Key Agreement Protocol — older official specification and prior-analysis contextEhren Kret and Rolfe Schmidt / Signal
5. The Double Ratchet Algorithm — Triple Ratchet sectionTrevor Perrin, Moxie Marlinspike and Rolfe Schmidt / Signal
6. Google DeepMind leadership — Demis Hassabis's relevant lab identityGoogle DeepMind
7. Demis Hassabis in 2025 — authentic portrait, cropped/resized/compressed and unflipped; no background removal or generated expression/detail; lab identity only, no authorship, proof writing, current reaction or endorsementChristopher P. Michel / Cmichel67 / Wikimedia Commons
8. Portrait licence — CC BY-SA 4.0; attribution, adaptation disclosure and ShareAlikeCreative Commons
9. Expanding Brain template — cropped/captioned artifact-count satire, brief transformed <=2s commentary; no benchmark, hosting licence, legal-clearance or blanket reuse claimImgflip / user-uploaded meme template
10. Tom and Jerry — Boomerang Official actual animated reaction, silent resized/captioned 1.875s excerpt; brief transformed process commentary, no actual researcher or executive reaction, hosting licence, legal-clearance or blanket reuse claimBoomerang Official / GIPHY / Tom and Jerry
11. Boomerang GIF source link — uploader-provided provenanceBoomerang
12. AlphaProof Code discussion — attention context, anonymous opinions excluded from factual proof claimsHacker News
13. Code-verification licence — Apache 2.0 for Google code, third-party licences retainedGoogle / GitHub