B2IGE Verify

B2IGE Verify

「完了」を鵜呑みにせず、実証しましょう。

B2IGE Verify は、AI が作成したソフトウェアのための決定論的な検証インフラストラクチャです。宣言された契約のもとで実際のプログラムを実行し、証拠を記録して、コーディングエージェントに自分の作業を採点させることなく、範囲が限定された PASS/FAIL/INCONCLUSIVE/ERROR の結果を出します。BlindTest では境界を具体化します。エージェントにテストスイートやオラクルを公開せずに、生成されたプログラムに対して非公開テストを実行します。

最新リリース

B2IGE Verify v0.3.0 は、現在公開されているリリースです。最終リリース記録 には、正確な main の適格性、プラットフォームの境界、公開アセット一式が記載されています。

プラットフォーム	ネイティブアーカイブ
macOS Apple Silicon	b2ige-0.3.0-aarch64-apple-darwin.tar.gz
macOS Intel	b2ige-0.3.0-x86_64-apple-darwin.tar.gz
Linux x86_64	b2ige-0.3.0-x86_64-unknown-linux-gnu.tar.gz

SHA256SUMS もダウンロードし、展開する前に対応するアーカイブを検証してください。前提条件とオフライン検証については、インストールの詳細 をご覧ください。

クイックインストール

ホストに合ったアーカイブを選び、検証して展開したら、bin を PATH に追加します。

B2IGE_RELEASE_URL=https://github.com/b2ige2-a11y/b2ige-verify/releases/download/v0.3.0
B2IGE_ARCHIVE=b2ige-0.3.0-aarch64-apple-darwin.tar.gz
curl -fL -O "$B2IGE_RELEASE_URL/$B2IGE_ARCHIVE"
curl -fL -O "$B2IGE_RELEASE_URL/SHA256SUMS"

if command -v shasum >/dev/null 2>&1; then
  shasum -a 256 "$B2IGE_ARCHIVE"     # compare with SHA256SUMS
else
  sha256sum "$B2IGE_ARCHIVE"         # compare with SHA256SUMS
fi
tar -xzf "$B2IGE_ARCHIVE"
cd "${B2IGE_ARCHIVE%.tar.gz}"
export PATH="$PWD/bin:$PATH"
b2ige --version

このアーカイブは、導入フローまたは製品固有のコマンドですぐに使用できます。BlindTest には Docker が必要です。前提条件が不足している場合は、準備状態の結果または PASS 以外の結果になります。

30 秒で試す BlindTest デモ

BlindTest が確認するのは、生成されたプログラムが実際に動作するかどうかです。正しい実装とバグのある実装に対して公開チェックを実行した後、証明付きの Docker 境界内で封印された非公開ケースを実行します。正しい実装は合格し、バグのある実装は失敗します。また、サニタイズされたエージェント向けビューから非公開値が漏えいしないことも確認します。

Docker を利用できる環境で、ソースコードのチェックアウトまたはソースアーカイブから実行します。

docker pull node:24.18.1-bookworm-slim
scripts/demo-blindtest.sh

このデモでは実際にプログラムを実行して証拠を記録します。出力はあらかじめ用意されたターミナルテキストではありません。範囲が限定された機密性の境界についてはBlindTest の例を、その限界については脅威モデルをご覧ください。

3 つの検証製品

製品	確認すること	検証内容
BlindTest	実際に動作しますか？	宣言された Docker 境界内で、エージェントが生成したターゲットに対して封印された非公開テストを実行します。
BehaviorSeal	変更されましたか？	信頼できる参照対象と候補の動作を、同等の決定論的な実験のもとで比較します。
SideEffect Proof	実際に起きましたか？	推測された試行ではなく、再試行や障害スケジュールを経てもコミットされたローカル SQLite の効果を検証します。

導入が簡単

inspect → init → prepare → trust approve → doctor → verify ID

prepare は権威ある判断を行いません。入力を検出し、レビュー可能なドラフトを作成します。信頼の承認は、対話的な人間または信頼されたコントローラーの判断に委ねられます。doctor は準備状況を報告するもので、検証を行うものではありません。verify ID は承認済みの ID を解決し、証拠に裏付けられた実際の結果を生成します。全体の境界については、導入ガイドをお読みください。

測定済みベンチマーク

以下は、範囲を限定した B2IGE Verify Bench v1 コーパスでの確定済み測定値であり、網羅的な正しさを主張するものでも、製品の証拠に代わるものでもありません。

B2IGE Verify Bench v1／明示的な31ケース

測定項目（ベンチマークコーパス上）	観測値
検出された既知のバグ	16 / 16
誤った PASS	0
誤った FAIL	0
検証済みの再現	16 / 16
観測された隠れた情報の漏えい	0
エージェントによる非公開値の漏えい	0
変異テストの妥当性：既知のベンチマーク変異体	2 / 2

上記の数値はすべてベンチマークコーパス上のものに限られます。範囲を限定したテストでは、完全な正しさを確立できません。

測定済みスナップショットとベンチマークの方法論をご覧ください。

プラットフォームのサポート

プラットフォーム	サポート範囲
macOS Apple Silicon	ネイティブリリース
macOS Intel	ネイティブリリース
Linux x86_64	ネイティブリリース。Docker と完全なベンチマーク CI に対応
Windows x64	ソース／ビルドと範囲を限定した CLI スモークテストのみ。VERIFIED_NATIVE ではありません
Linux arm64	対応延期

macOS バイナリは署名も公証もされていません。Docker、ソースビルド、アーカイブの範囲については、インストールとプラットフォームの詳細をご覧ください。

結果の意味

• **PASS / 0：**宣言された実行範囲内で必要な証拠がそろっており、違反は観測されていません。
• **FAIL / 1：**証拠によって違反が裏付けられています。
• **INCONCLUSIVE / 2：**必要な証拠または実行範囲のカバレッジが不完全です。
• **ERROR / 3：**検証器、設定、隔離のセットアップ、または保存された証拠に問題がありました。

証拠が欠けている場合、PASS にはなりません。モデルは判定を下しません。結果の範囲は、宣言された実験、証拠、プラットフォームによって限定されます。

信頼境界と制限事項

• ハッシュが保証するのは完全性であり、発行者の認証ではありません。
• 同一ユーザーによるホストへのアクセスは、BlindTest の機密性境界の対象外です。
• 範囲を限定した検証は、網羅的な証明ではありません。
• 内部の v0.3.0 ホールドアウトは AI によって運用されたものであり、独立した人間または外部による検証ではありません。
• 実際の外部ユーザーによる V110-D の証拠は未対応です。内部または合成の証拠を、外部での導入実績として提示していません。

結果を信頼する前に、脅威モデル、契約、証拠モデルをお読みください。

ドキュメント

スタートガイド、製品ガイド、信頼とアーキテクチャ、ベンチマーク、リリース履歴、開発者向けリソースについては、ドキュメントインデックスをご利用ください。誤った PASS の報告で受け付けるのは、合成またはサニタイズ済みの詳細のみです。隠しテストスイート、非公開のカナリア、生の人間による証拠、認証情報は決してアップロードしないでください。

貢献

まずCONTRIBUTING.md、アーキテクチャ、セキュリティポリシーをご覧ください。検証器の権限、証拠、契約、スキーマに関する変更には、慎重なレビューが必要です。証拠の不足を成功に変えてはなりません。

ライセンス

B2IGE Verify はApache-2.0ライセンスです。テレメトリー、ホスト型サービス、有料 API は必要ありません。製品名と商標については、TRADEMARKS.mdで別途規定されています。