Copper：统一代码生成中的正确性和性能规范

生成式人工智能在生成功能正确的代码方面取得了显着的进步，但确保正确性和性能仍然是一个开放的挑战。我们提出 Copper，一个框架，它将形式验证与性能感知规范相结合，生成可证明正确且高效可执行的代码。我们的方法将人工智能驱动的代码合成与形式验证工具以及自动性能分析循环相集成。通过对各种算法和实际编程任务进行评估，Copper 生成的解决方案满足严格的正确性保证，同时与基准 AI 生成的代码相比，在运行时和内存效率方面实现了显着改进。这项工作表明，在人工智能辅助编程中弥合可信度和性能之间的差距是可行的，为可靠、高性能的代码生成提供了一条实用的途径。