İçeriğe geç
Pazar, 15 Kasım 2026Yapay zekâ · sade Türkçe · denenmiş@yapaytu
YAPAYTU

Anthropic, Claude ile 123 kütüphanede kod doğruladı

Anthropic ve Theorem, Claude ile 123 açık kaynak kütüphanedeki testler için matematiksel kanıt üretti. Kanıtların geçerliliği çalışma koşullarıyla sınırlı.

Yapay TU Editör · 4 dk okuma
Claude ile matematiksel kod doğrulama
Kısa cevap

Anthropic ve Theorem'in 23 Ekim 2026'da haberleştirilen çalışmasında Claude, 123 açık kaynak kütüphanedeki 239 test giriş noktası için matematiksel kanıt üretti. Kanıtlar, belirlenen işlemci ve işletim sistemi koşullarında bazı çökmelerin gerçekleşmeyeceğini gösteriyor; kütüphanelerin bütün hatalardan arındığını göstermiyor.

Anthropic ve Theorem, Claude'u mevcut yazılımların belirli güvenlik özelliklerini matematiksel olarak doğrulamak için kullandı. 23 Ekim'de haberleştirilen çalışmada, 123 açık kaynak kütüphanedeki testlerden yaklaşık 180 milyon satırlık kanıt kodu üretildi. Geliştiriciler açısından sonuç, yapay zekânın yazdığı koda güvenme sorununa uygulanabilecek bir yöntem sunuyor; ancak kanıtın hangi koşulları kapsadığını okumak gerekiyor.

Claude tam olarak neyi kanıtladı?

Anthropic'in araştırmasına göre Claude, birkaç hafta içinde 123 kütüphanedeki 239 test giriş noktasında, belirlenen koşullar altında çökmeye yol açan girdi kalmadığını kanıtladı. Çalışma, Google'ın açık kaynak projelerini sürekli test eden OSS-Fuzz girişimindeki yazılımları temel alıyor. Bir test giriş noktası, geliştiricinin programı farklı girdilerle sınamak için hazırladığı başlangıç işlevi olarak düşünülebilir.

Araştırmacılar, fuzz testi denen, çok sayıda üretilmiş girdiyi programa vererek hata arama yönteminden yararlandı. Önce mevcut testleri matematiksel bir şartnameye çevirdiler. Claude'un görevi, bu şartnamenin derlenmiş program için sağlandığını göstermekti. Kanıt üretimi sırasında bulunan bazı hatalar da Claude tarafından düzeltildi; ardından düzeltilmiş programın şartnamesi yeniden oluşturuldu.

Burada doğrulanan şey, bütün yazılımın kullanıcı beklentilerini eksiksiz karşılaması değil. Örneğin bir sıkıştırma testinin, sıkıştırılan verinin geri açıldığında başlangıçtakiyle aynı olmasını şart koştuğunu düşün. Bu testin hiçbir girdide çökmeyeceğini kanıtlamak, testin denetlediği özelliği de güvence altına alabiliyor. Anthropic, LZO sıkıştırma algoritmasındaki testi bu duruma örnek veriyor.

Kanıtı başka bir yapay zekâ mı denetliyor?

Rocq adlı bağımsız kanıt denetleyicisi, Claude'un ürettiği matematiksel kanıtları şartnameye karşı kontrol ediyor. Araştırmada tipik bir kanıt yaklaşık 600 bin satıra ulaşıyor. Bu yüzden yaklaşım, geliştiricinin bütün kanıt metnini satır satır okuyup onaylamasına dayanmıyor.

Yine de güvenilmesi gereken bileşenler var. İşlemci komutlarının ve Linux süreçlerinin matematiksel modelleri doğru olmalı. Kanıtlanacak önermenin kendisi de amaçlanan güvenlik koşulunu anlatmalı. Rocq denetleyicisinin doğru çalışması gerekiyor. Yanlış tanımlanmış bir hedef için geçerli kanıt üretmek, gerçek programın istenen davranışı göstereceğini garanti etmiyor.

Claude kanıt ararken yüzlerce hata bulduğunu söyleyen Anthropic, yaklaşık 20 MB büyüklüğünde ve belirli bir düzene sahip girdide ortaya çıkan bir sınır dışı yazma hatasını örnek gösteriyor. Şirketin değerlendirmesine göre bu tür girdiler, alışılmış testlerin gözünden kaçabiliyor. Araştırma, kanıt tamamlanamasa bile kanıt arama sürecinin hata bulmaya yardımcı olabileceğini savunuyor.

Hangi koşullar kapsam dışında kalıyor?

Ana deneydeki kanıtlar, Linux üzerinde RISC-V işlemci mimarisi için derlenmiş, tek iş parçacıklı ve sabit bellek bütçeli programlarla sınırlı. Girdi boyutu sınırı 64 MB'ın altında. Programların statik bağlanmış olması, ihtiyaç duyulan kütüphane kodlarının çalıştırılabilir dosyada yer alması anlamına geliyor.

Anthropic, gerçek kurulumların çoğunda farklı işlemciler ve bağlantı biçimleri kullanıldığını açıkça belirtiyor. Ayrıca her kütüphanenin bütün test giriş noktaları doğrulanmadı. Bir uygulamanın kütüphaneyi yanlış kullanmasından doğan hatalar da kütüphane için hazırlanan kanıtın dışında kalabiliyor. Dolayısıyla kendi sunucundaki yazılımın güvenliğini değerlendirirken mimari ve kullanım biçimi eşleşmesini ayrıca incelemelisin.

Maliyet de henüz çözülmüş sayılmıyor. Şirket, tek bir kanıt için yüz milyonlarca token (modelin işlediği metin parçaları) gerekebildiğini söylüyor. Toplam proje maliyeti açıklanmadı. Araştırma, hazır bir hizmetin fiyat listesini veya her projede aynı sürede sonuç alınacağını gösteren bir taahhüt sunmuyor.

Bizim yorumumuz: önce kanıtlanacak koşulu yaz

Bizce geliştirici için en uygulanabilir ders, yapay zekâdan kod istemeden önce doğru davranışı tarif etmek. Bir dosya yükleme işlevi hazırlıyorsan kabul edilecek dosya boyutunu ve hatalı girdide beklenen davranışı baştan yazabilirsin. Bu hazırlık, sıradan testleri de daha anlamlı hale getirir. Matematiksel kanıt üretmeye hemen geçemesen bile neyi sınadığın açık olur.

Küçük bir yazılım ekibinin bu araştırmadaki bütün altyapıyı kurmaya çalışması pahalı bir başlangıç olabilir. Önce dar bir işlev seçmeni öneririz: örneğin veriyi kodlayıp geri çözen bir bölüm. Mevcut testleri koruyarak hangi özelliğin matematiksel olarak ifade edilebileceğini değerlendir. Claude Code rehberimiz geliştirme aracına başlamak için yardımcı olabilir; araştırmadaki kanıt üretim düzeninin ayrıca kurulması gerektiğini hesaba kat.

Bir kanıt dosyasını teslim almak da tek başına yeterli kabul ölçütü olmamalı. Ekibinden kanıtın hangi sürüme ait olduğunu, hangi girdileri kapsadığını ve hangi çalışma ortamını varsaydığını yazmasını iste. Özellikle kütüphane güncellendiğinde eski kanıtın yeni sürüm için geçerli olduğunu varsayma. İnceleme kapsamını bu bilgilerle belirlemek, milyonlarca satır üretilmiş kodun büyüklüğünden daha yararlı bir karar ölçütü sağlar.

Türkiye'den bu çalışma düzenine erişimin koşulları ve Türkçe kullanım desteği araştırmada açıklanmadı. Yerel bir ekip için ilk iş, yayımlanan örneklerin kendi teknoloji yığınıyla uyumunu incelemek olmalı. Kaynakları ayırmadan önce doğrulamak istediğin dar özelliği yazılı hale getir; maliyet tahminini bu somut görev üzerinden iste.

Geliştiriciler nereden başlayabilir?

Anthropic, bazı kanıtları ve çalışmada kullanılan işlemci ile işletim sistemi modellerini yayımladığını belirtiyor. Theorem de başka açık kaynak projelerinde aynı süreci çalıştırmayı teklif ediyor ve geliştiriciler için bir Claude skill'i paylaşıyor. Skill, Claude'a belirli bir işi nasıl yapacağını anlatan talimat paketi anlamına geliyor.

Doğrulama çalışmasının kapsamını belirlemek için aşağıdaki taslağı kendi işlevine göre doldurabilirsin:

text
İncelenecek işlev ve sürüm:
Kabul edilen girdiler ve boyut sınırı:
Sağlanması gereken davranış:
İşlemci, işletim sistemi ve bellek varsayımları:
Kapsam dışında kalan davranışlar:

Taslağı mevcut testlerinle birlikte değerlendir; ardından araştırmada yayımlanan kanıtların aynı varsayımlara dayanıp dayanmadığını kontrol et.

Sık sorulanlar

Claude yazdığı kodun güvenli olduğunu kanıtlayabiliyor mu?

Çalışmada Claude, mevcut yazılımların belirli güvenlik özellikleri için matematiksel kanıt üretti. Kanıtların geçerliliği tanımlanan koşullara bağlı; her kodun her ortamda güvenli olduğu sonucu çıkmıyor.

Claude'un ürettiği matematiksel kanıtları kim kontrol ediyor?

Rocq adlı kanıt denetleyicisi, üretilen kanıtın tanımlanan matematiksel koşulları karşılayıp karşılamadığını kontrol ediyor. Koşulların gerçek sistemi doğru temsil etmesi ayrıca gerekiyor.

Bu yöntem normal yazılım testlerinin yerini alıyor mu?

Araştırma, belirli testleri matematiksel kanıta dönüştürüyor. Kanıtlanmayan işlevler ve farklı çalışma ortamları kapsam dışında kaldığı için bütün testleri kaldırmayı desteklemiyor.

#anthropic#claude#yazilim#guvenlik
E-bülten

Haftada bir e-posta. Sadece işe yarayanlar.

Haftanın en iyi yapay zekâ araçları ve yeni rehberler. İstediğin an tek tıkla çık.

Adresine bir onay e-postası gelir. Aydınlatma metni
Sıradaki yazı Anthropic, eğitim verisi denetiminde güvenlik açığı buldu

Videolarda bu konuTümü

Bunları da okuyun