2akouwu/reverify

再確認

AIが作り話をするのを止めましょう。 提案しています;決定論的なツールはすべての主張を実際の真実と照らし合わせ、検証されたものだけがカウントされます。

AIは自信に満ちており、しばしば間違っています。APIや構造体フィールド、オフセットなどを発明します。 関数はそれを事実のように語ります。再検証は決定論的なツールをジャッジ、つまりモデルにします 主張を提案し、ツールが実際の遺物と照合し、結果は検証済み/] 証拠によって反論される。モデルは決して自分で事実を主張する機会がない。

今日、この運動が行っていることは二つあります。

• AIを正直に保つ — すべての構造的または行動的な主張が根拠と照らされて検証されます 真実ではなく、生き残ったものだけが事実となる(reverify verify、またはMCP) エージェントがすでに話しているサーバーです。
• AIのコンテキストが腐敗しないように — 損失のある自動要約の代わりに、reverify rollover セッションをファイルに引き継ぎ、新しいセッションを始めることで、長いタスクがずれたり必要とされたりしないようにします /clear。Claude Code、Codex、Gemini CLI、OpenCodeで動作します。

最初の点を証明するのが最も難しいのはバイナリリバースエンジニアリングで、幻覚は 最悪 — つまり数字はそこから出ているのです。

Reverify

Stop your AI from making things up. It proposes; deterministic tools check every claim against ground truth, and only what’s verified counts.

AI is confident and often wrong: it invents an API, a struct field, an offset, or what a function does, and says it like fact. Reverify makes a deterministic tool the judge — the model proposes a claim, the tool checks it against the actual artifact, and it comes back VERIFIED / REFUTED with evidence. The model never gets to assert a fact on its own.

Two things it does today:

• Keeps your AI honest — every structural or behavioral claim is checked against ground truth, not trusted, and only what survives becomes a fact (reverify verify, or the MCP server your agent already talks to).
• Keeps your AI’s context from rotting — instead of a lossy auto-summary, reverify rollover hands the session off to a file and starts a fresh one, so long tasks don’t drift or need /clear. Works in Claude Code, Codex, Gemini CLI and OpenCode.

The hardest place to prove the first point is binary reverse engineering, where hallucination is worst — so that’s where the numbers come from. On 71 real Windows system files the AI’s textbook answer was wrong 97% of the time; reverify caught every one and never accepted a wrong claim (0 of 71; the same gate runs in CI on Linux and macOS every push, and an independent aarch64 run found the same) (EXAMPLE.md, BENCHMARK.md; python benchmarks/prologue_prior.py).

The problem

Language models are great at reading code and unreliable at reverse engineering. Ask a