インターネットがTLA+を発見した。さて、これからどうなる?
The internet discovers TLA+. Now what? (reasonable.io)
要約
Boris Cherny氏のTLA+に関するバイラルツイートをきっかけに、この30年以上前の形式手法ツールが注目を集めています。この記事では、TLA+の基本的な概念を解説し、それがエージェントコーディングにおいてどのように役立つかを示します。さらに、TLA+が時間的仕様、現代的な証明システム、AIエージェントとどのように連携し、システムモデリングから機械チェック付き証明の生成、そして最終的には仕様、実装、検証が一体となったループへと繋がる可能性を探ります。
全文翻訳
インターネットがTLA+を発見。さて、どうする?
今週、Boris Cherny氏は、30年以上前の形式モデリングツールであるTLA+にツイートで光を当てました。彼はOpus 5.5を使用してClaude Agent SDKの一部をTLA+とLeanでモデリングし、インターネットはいつものように反応しました。約100万回の閲覧、数千のブックマーク、そして人々はTLA+が一体何なのかを尋ねています。Boris氏の投稿は素晴らしいショーケースであり、エージェントコーディングにおいてTLA+が労力に見合う価値があることを示す初期の例に加わります。Datadogのharness-first agentsに関する投稿も参照してください。
もしあなたがTLA+とは何か、そして何のためにあるのか疑問に思っている一人なら、あなたは正しい場所にいます。TLA+は、私たちのチームが深く掘り下げてきた形式手法の一つです。
しかし、私たちがそれに関心を寄せるには、より大きな理由もあります。TLA+は、システムが何を行うことが許されているのか、そして何が常に、あるいは最終的に真であるべきかを記述するためのコンパクトな言語を提供します。それは検証のための有用な出発点ですが、物語の終わりではありません。
以下に要点をまとめます:
-
TLA+は可能なシステム動作と、それらの動作が満たすべきプロパティを記述します。
-
TLA+自体は実装を完全に検証しません。 ソフトウェアそのものではなく、ソフトウェアのモデルをチェックします。そして、その主要なモデルチェッカーは有限なインスタンスしか探索しません。
-
現代的な証明システムはさらに進むことができます。 Verusでは、仕様、証明、そしてRust実装が同じ言語で共存できます。
-
AIはすでにこのプロセスの部分を自動化できます。 私たちは、16,000以上のTLA+仕様/プロパティペアを3,000以上の機械チェック可能なVerus証明に変換するエージェントパイプラインを構築しました。
Reasonableでの私たちの仕事の一部は、エージェントがこれを一貫性、信頼性、そして迅速に行えるようにするためのモデルをトレーニングすることです。
私たちの継続的な例は、以下のインタラクティブプレイグラウンドにあるものです。そこでは、3台のコンピュータa、b、cが、どのコンピュータがリーダーであるかに合意する必要があります。データベースは、リーダー選出が正しいことに依存しています。私たちは、同時に2つのリーダーが存在しないことを要求します。プレイグラウンドをクリックして、ゲームの5つのレベルを通じてTLA+の基本を学ぶことができます。
TLA+(Temporal Logic of Actions)は、2種類のオブジェクトを書き出すための言語です:
-
遷移システム:システムが何を行えるか。 状態(システムのスナップショット:誰が候補者で、誰が誰に投票し、誰がリーダーか)と、アクション(状態を変更する単一のステップ:「aが選挙を開始する」、「bがaに投票する」)があります。インタラクティブプレイグラウンドでは、テスターのように、これらのステップを手で実行し、可能な1つの実行を探索します。
-
時間的プロパティは、実行が時間とともにどのように展開されるかについてのステートメントです。例えば、「決して2人のリーダーが存在しないこと」、「リーダーが最終的に選出されること」などです。
TLA+モデルは、合法的なシステム状態と、それらの状態間の許可された遷移を宣言します。例えば、選挙では、初期状態からa、b、またはcのいずれかが選挙を開始でき、その際自分自身に投票します。そしてbはaまたはcに投票できます。
これは遷移に順序を課さず、異なるイベントが発生する確率分布をモデル化しようとしません。これは、メッセージ、タイムアウト、ユーザーアクションが多くの異なる順序で発生する可能性のある分散システムにとって適切な抽象化です。
基盤となる数学は単純で、集合、真偽値、関係を使用します。時間的プロパティは、実行に対する演算子から構築されます:
-
□ P(常に P):Pは訪問されたすべての状態において真です。
-
◇ P(最終的に P):Pは将来のある時点で真になります。
-
P ⇝ Q(PはQにつながる):Pが真であるときはいつでも、その後Qが最終的に真になります。
特に頻繁に重要となる2種類のプロパティがあります。
安全性:悪いことは決して起こらない。 私たちの選挙の場合:「□(決して2人のリーダーが存在しない)」。プレイグラウンドでは、モデルチェッカーはすべての可能な状態を探索します。3台のコンピュータでは38の状態、そして9台では100万以上の状態を探索し、プロパティを確認します。レベル2では、コンピュータが2回投票できるようなルールを1つ変更します。チェッカーはその後、6ステップの実行を返し、最終的に2人のリーダーが存在する状態になります。その実行は反例です:モデルがプロパティを違反する具体的な方法です。
ライブネス:良いことが最終的に起こる。 安全性だけでは不十分です。永遠に何も行わないシステムは完全に安全です。そのため、次のような要求もするかもしれません:「◇(誰かがリーダーである)」。レベル3はこれがなぜ重要かを示しています:タイポが何も起こらないようにしますが、安全性のチェックは依然としてパスします。ライブネスは公平性の仮定を必要とし、アクションが可能なまま永遠に実行されない実行を排除します。弱公平WF(A)は、有効になったアクションは最終的に発生しなければならないと言います。強公平SF(A)は、無限回有効になるアクションをカバーします。
メンタルモデルは単純です:TLA+モデルはシステムの可能な実行トレースを記述し、プロパティはどのトレースが許容されるかを記述します。検証は、すべての可能なトレースが許容されるかどうかを問います。
標準的なTLA+モデルチェッカーであるTLCは、有限インスタンスの到達可能な状態を列挙することでこれに答えます。証明は、プロパティが一般的に成り立つというより強力なステートメントを作成します。
詳細については、Jack Vanlightlyが、エージェントが流行させるずっと前から彼のブログでTLA+を教えてきました。
TLA+は、システムに関するこのような推論方法が実用的であるため、ますます広く展開されています。AWS、MongoDB、Datadog、Kafkaなどで使用されており、その他多くの場所でも見られます。しかし、TLA+だけでは完全なソフトウェア検証には至らない、重要な注意点が3つあります。
モデルチェックは限界がある。 実際には、人々はTLA+をTLCと組み合わせて使用することが最も多いです。TLCはすべての可能な実行を探索しますが、有限モデルに対してのみです。私たちの例では、状態空間は3台のコンピュータでは38の状態から、9台では100万以上に増加します。任意のシステムサイズに対してプロパティを確立するには、証明が必要です。TLA+自身のプロバーであるTLAPSは、場合によってはこれを実行できますが、特にライブネスの議論においては、その自動化は限定的です。
モデルは実装ではない。 TLA+仕様は通常、ソフトウェアの別個のモデルです。実装がモデルと正確に動作することを自動的に保証するものは何もありません。コードが変更されるにつれて、両者は乖離する可能性があります。これは、古典的な仕様から実装へのギャップの1つの要素です。
TLA+は望むすべてのプロパティを表現できるわけではない。 TLA+は線形時間論理に基づいており、個々の実行に関するステートメントを作成します。「すべての実行において、リーダーは最終的に選出される」など。しかし、興味深いプロパティの中には、代替の未来や戦略に関するものもあります。
-
CTL(Branching-time logic)は、「任意の状態から、新しい選挙をまだ開始できる」といったステートメントを表現できます。
-
ATLは、「このコンピュータは、他のコンピュータが何をするかに関わらずリーダーになる戦略を持っている」といった戦略的なステートメントを表現できます。
これらのより豊かなプロパティは、複数の競合または協力エージェントを含むシステムを考え始めると関連性が高まります。
したがって、TLA+は時間的動作を記述するための異常に有用な言語を提供しますが、完全な検証スタックにはさらに多くのものが必要です:より強力な証明機械、実際のコードへの接続、そして最終的にはより豊かな論理。
1つのルートは、モデルを現代的な証明システムに取り込むことです。いくつかの選択肢があります。例としては以下が挙げられます:
-
Leanはインタラクティブです。あなた(またはAI)がステップバイステップで証明を作成します。これは非常に汎用的で、数学で広く使用されており、Boris氏の投稿で使用されたプロバーでした。
-
Verusは自動アクティブであり、Rustを中心に設計されています。あなたは仕様と重要な証明構造を提供し、自動ソルバーが低レベルの推論の多くを処理します。
-
Veilは、ステートマシンモデル専用に構築されたLeanベースのツールです。Leo de Moura氏が推奨しており、最近同期エンジンの検証に使用され、その過程で17件のバグが修正されました。ただし、ライブネスは将来の作業であり、検証されたモデルは依然として実装とは別です。
なぜVerusを使用するのか? 仕様と証明が実際のRust実装と並んで存在できるからです。これは、仕様から実装へのギャップを埋めるルートを提供する上で重要です。別個の抽象モデルに関するプロパティのみを証明するのではなく、最終的には実装がそのモデルを洗練していることを証明できます。すでにAnvilのようなシステムがこのスタイルの検証を実証しています。Reasonableでの私たちの作業は、Anvilに特に密接に基づいています。
なぜ形式検証を自動化するのか? 関与する証明は、形式検証という言葉が示唆するものよりもエキゾチックでないことが多いです。
-
安全性証明は通常帰納的です。 プロパティが初期状態で成り立つことを示し、次にすべての可能なアクションがそれを維持することを示します。作業の多くは、異なるアクションに分割し、関連する不変条件を追跡することから成ります。
-
ライブネス証明は進捗を確立します。 通常、システムが進むにつれてある量が減少し、有効なアクションが決して延期されない実行を排除する公平性の仮定が伴います。WF1、WF2、SF1、SF2(Lamport, 1993)のようなルールはこれらの議論をパッケージ化します。私たちの時間ライブラリは、これらのサブセットを証明済みのVerusレンマとして実装しています。
この作業の大部分は繰り返しです:不変条件の追跡、アクションへの分割、中間レンマの提供、ソルバーが見える詳細の記入。これは、証明生成エージェントの自然なターゲットとなります。
自動定理証明は最近、数学で急速に進歩しています。ソフトウェア検証は、やや異なる問題をもたらします。何かを証明する前に、ソフトウェアが何をすべきかの有用な説明が必要です。
TLA+は、時間的仕様が比較的コンパクトで読みやすく、多くの実際のシステムがすでにTLA+モデルを持っているため、ここで魅力的です。これらのモデルを最新の証明システムや実装に接続できれば、いくつかの方向性が可能になります。
-
リファインメント証明。 Rust実装がTLA+モデルに従っていることを証明します。Anvilはこれを手動で実証しました。そのプロセスの自動化をさらに進めることで、モデルの検証とそれを実装するソフトウェアの検証との間のギャップを縮小できます。
-
プログラム合成。 モデルから開始し、実装とそのモデルを洗練する証明を生成します。この設定では、形式仕様はコード生成と検証の両方を制約します。
-
プロトコル検索。 候補プロトコルのチェックが十分に安価になれば、検証者は目的関数になる可能性があります。プロトコルのバリアントを生成し、それらを検証し、望ましいプロパティを満たすものを保持します。これは、AlphaEvolveのようなシステムに似てきますが、正確性はテストによって推定されるのではなく、形式的にチェックされます。
-
線形時間以外。 マルチエージェントシステムのいくつかのプロパティは、個々の実行トレースではなく、代替の未来や戦略に関係します。それらを表現するには、LTLを超える論理が必要です。Benjamin Brast-McKieの研究はこの問題の側面を探求していますが、私たちの現在の作業は、時間的プロパティを証明し、それらをプログラムに接続することに焦点を当てています。
私たちは、TLA+仕様を機械チェック可能なVerus証明に変換するためのパイプラインに取り組んできました。次のブログ投稿で、個々の部分をさらに詳しく説明します。今のところ、主な結果は以下の通りです:
-
TLA+からVerusへのトランスパイラ。 私たちはアルゴリズム的なトランスパイラを構築し、LLMが翻訳を生成し、別のLLMがそれをレビューするエージェント的な代替手段と比較しました。
-
アンチチートチェック付きのプロバー-レビューアーループ。 1つのエージェントが証明を作成し、別のエージェントがそれをレビューします。別のゲートキーパーが、エージェントが仕様を変更していないか、またはassume(false)のようなショートカットを導入していないかを確認します。
-
Verusにおける時間的証明のデータセット。 16,459件の実際のTLA+仕様/プロパティペアから開始して、パイプラインは3,000件以上の機械チェック可能な安全性およびライブネス証明を生成しました。また、40タスクの評価セットも構築しました。
-
現在のモデルの評価。 評価セットで、フロンティアモデル(クローズドおよびオープンウェイト)の両方をテストし、どの時間的証明を完了できるか、そして残りの失敗モードがどこにあるかを確認しました。
これらの結果は、フォローアップ投稿で取り上げます。
私たちは、形式検証とAIエージェントの境界を押し広げることに情熱を燃やす人々を募集しています。機械チェック可能な正確性を持つシステムを構築したい場合は、ぜひご連絡ください:Careers。
また、正確性が本当に重要なシステムを構築しているチームからの連絡も歓迎します。機械チェック可能な証明が実際のアプリケーションに何をもたらすかを探求しており、ぜひお話ししたいです:Contact。
BibTeX
@misc{meszaros2026tlaplus,
author = {M{\'e}sz{\'a}ros, Anna and Ujv{\'a}ry, Szilvia and Strelbytska, Kseniia and Szil{\'a}gyi, Bal{\'a}zs and Husz{\'a}r, Ferenc},
title = {The internet discovers TLA+. Now what?},
howpublished = {\url{https://reasonable.io/blog/tla-tutorial/}},
year = {2026},
month = sept,
organization = {Reasonable},
note = {Reasonable blog post, accessed \today},
}