新上线昨天63 投票
Show HN：首个形式化验证的多边形交集算法——Opus 4.8 一次生成，此前多次失败
核心亮点
近日，一位开发者展示了首个经过形式化验证的多边形交集算法实现。该项目使用 Lean 4 证明助手，从数学上保证了算法对于任意多边形配置的正确性，填补了计算几何领域在形式化验证方面的空白。
背景与挑战
多边形交集是矢量图形编辑器（如 Adobe Illustrator、Figma）的基础功能，用于计算两个多边形区域的重叠部分。然而，由于多边形可能有复杂形状（包括孔洞），且输入配置无穷无尽，传统测试方法无法穷举所有情况，尤其是那些罕见的边界条件。
“计算几何算法因输入的特殊配置而臭名昭著，这些配置往往构成了算法的大部分复杂性。”
形式化验证的意义
该项目的核心在于：信任完全来自 Lean 检查器和对小规格的人工审查，而非大语言模型。开发者明确表示，虽然 AI 辅助了实现，但正确性保证来自严格的数学证明。
- 无限状态空间：每个多边形的内部点集是无限的，传统方法无法在代码中直接表示“内部”概念。
- 形式化规格：通过 Lean 定义了多边形的内部集（基于射线交点奇偶性），并证明了输出多边形的内部集等于输入内部集的交集。
AI 辅助的演进
项目开发过程中，AI 模型的能力提升带来了显著变化：
- Opus 4.8（当前最新模型）能够 一次性 生成带形式化证明的算法实现。
- 之前的模型需要开发者分步提供证明策略，多次迭代才能完成。
但开发者强调，AI 只是工具，最终的正确性仍依赖形式化验证框架。
实际体验
项目提供了一个 Web 演示，用户可以在浏览器中绘制多边形并实时计算交集，底层调用已验证的核心算法。这展示了形式化验证不仅停留在理论层面，也能服务于实际应用。
相关工作和展望
据开发者所知，这是首个此类验证实现。计算几何的形式化验证长期被视为难题，因为算法常依赖几何直觉和特殊处理。此项目或将为其他几何算法（如并集、差集、凸包）的形式化验证开辟道路。
小结
这一成果不仅展示了形式化验证在复杂算法中的可行性，也体现了 AI 辅助开发与严格验证相结合的新范式。对于依赖几何计算的领域（如 GIS、CAD、游戏开发），这可能是提升软件可靠性的重要一步。
