도달 가능성(reachability) 명세를 위한 강화학습(RL)은 순차적 의사결정에서 기본이 되는 문제입니다. 기존 연구에서는 최적 정책으로의 점근적 수렴(asymptotic convergence)을 규명했으나, 이는 기저 마르코프 결정 과정(MDP)의 전이 확률을 명시적으로 추정해야만 하는 모델 기반(model-based) 방식을 통해서만 가능했습니다. 본 논문에서는 표준적인 MEC 몫(quotient) 연산을 통해 모든 MDP가 환원될 수 있는 기본 구성 요소인, 비종단 최대 끝 컴포넌트(non-terminal maximal end components, MEC)가 없는 MDP 단편에서 도달 가능성에 대한 점근적 보장을 제공하는 최초의 모델 프리(model-free) 알고리즘인 Quasar를 제시합니다. 본 알고리즘은 고전적인 Q-러닝 접근법을 따라 시간차(temporal-difference) 업데이트를 활용하여 전이 확률을 전혀 학습하지 않고도 최적 정책으로 수렴합니다. 이를 통해 도출된 학습기는 메모리 사용량을 모델 기반 방식에 필요한 O(|S|^2|A|)에서 O(|S||A|)로 줄입니다. 표준화된 정량 검증 벤치마크 세트(Quantitative Verification Benchmark Set)에서 본 알고리즘은 기존의 최신 모델 기반 기법(SOTA)보다 수 자릿수(orders of magnitude) 적은 샘플만으로 최적 정책에 수렴합니다. 이러한 결과는 도달 가능성 학습의 실질적인 적용과 더불어 명세 유도형 강화학습(specification-guided RL)의 실용적 배치를 향한 구체적인 진전을 이룹니다.
본 논문에서는 재난 위험 경감 및 대응을 위한 범분야적 참조 온톨로지로 고안된 모듈형 OWL 기반 온톨로지인 유럽 위기 관리 온톨로지(ECMO)를 제시합니다. ECMO는 온톨로지 모듈 네트워크 형태로 구성되도록 설계되었습니다. 여러 모듈 중 ECMO-CORE는 위험 요소(hazard), 사건(event), 노출(exposure), 영향(impact), 대응 조치(response measure)와 같은 핵심적인 위기 관리 개념들을 포착하며, 온톨로지 디자인 패턴과 OWL2 퍼닝(punning) 기법을 활용하여 위험 유형과 사건 발현 사이의 모호성을 해결합니다. 또한 SNOMED CT 및 ICD-11과 연계된 공중보건 모듈의 사례와 같이 도메인 특화 모듈들도 정의됩니다. 본 자원의 유용성을 입증하기 위해, 우리는 공동연구센터(JRC)의 오픈 소스 기반 유행병 정보(EIOS) 시스템 데이터를 표현하는 데 ECMO를 적용하여 비정형 역학 뉴스 데이터로부터 ECMO 규격 지식 그래프(knowledge graph)를 구축하는 엔드투엔드(end-to-end) 파이프라인을 생성했습니다. 초기 결과는 ECMO가 일관되고 통합된 지식 표현 및 통합에 필요한 형식적 가드레일을 제공함을 보여줍니다. 해당 온톨로지는 https://doi.org/10.5281/zenodo.20070268 에서 공개되어 있으며, 크리에이티브 커먼즈 저작자표시 4.0 국제(CC BY 4.0) 라이선스 하에 배포됩니다.
코딩 에이전트(agent)는 Lean 증명 개발을 점점 더 자동화하고 있지만, 컴파일 성공만으로는 후보 증명이 허용 가능한 가정 하에서 의도한 명제를 증명한다는 점을 확증하지 못합니다. 본 논문에서는 형식 수학 및 소프트웨어 검증에서 감사 가능한 추론을 위한 프런트엔드 독립적 프레임워크인 FORALL-LEAN-AGENT를 제시합니다. 이 프레임워크는 격리된 작업 공간, Lean 도구, 새로운 검토를 명제 비교, 공리 감사, 그리고 지원되는 경우 독립적인 증명 검사와 결합합니다. 검증 증거와 검토자의 결정은 동일한 후보 아티팩트에 바인딩되어 수락 과정을 추적할 수 있도록 합니다. 우리는 VeriSoftBench, PutnamBench, 그리고 Lean Eval 소프트웨어 검증 트랙의 두 문제 모두에서 이 프레임워크를 평가합니다. 100개 과제로 구성된 VeriSoftBench 하위 집합에서, FORALLLEAN-AGENT와의 통합은 GPT-5.6 Sol의 벤치마크 규칙 성공을 낮은 노력으로 93개에서 100개로 높이는 동시에 비용을 69달러에서 62달러로 절감합니다. PutnamBench 평가에서는 전체 672개 문제를 평균 4.72달러에 모두 통과시킵니다. 이러한 결과는 에이전트 하네스 설계가 총 해결 횟수를 넘어서는 증거를 제공하는 동시에 정확성과 효율성을 향상시킬 수 있음을 보여줍니다.
상충하는 규범과 불완전하거나 신뢰할 수 없는 정보 속에서 결정을 내리는 것은 자율 시스템의 근본적인 과제입니다. 본 논문에서는 이러한 환경을 위한 단순 신념 의무 논리(doxastic deontic logic)를 제안합니다. 이는 Chellas의 최소 의무 논리(Minimal Deontic Logic)의 고전적 축소 가능 부분(classically reducible fragment)을 명시적 조건부 규범으로 확장하고 다중 에이전트 KD45와 결합하여, 규범이 사실과 규범 모두에 대한 에이전트의 신념에 의존할 수 있도록 합니다. 이 논리를 기반으로 에이전트가 가중치 적용 규범 위반을 최소화하는 결정을 선택하는 신념 규범 준수 최적화 문제(Doxastic Norm Compliance Optimization Problem)를 정의합니다. 또한 (에이전트의 신념에 기반한) 주관적 최적화와 (실제 사실에 기반한) 객관적 최적화를 구분합니다. 본 연구는 (i) 두 최적화가 일치하는 조건과 (ii) 최적의 의사결정이 다항 시간 내에 가중치 부분 MaxSAT(weighted partial MaxSAT) 문제로 환원될 수 있는 조건을 제시합니다.
괴델(Gödel)의 존재론적 논증과 스콧(Scott)의 변형에 대한 Benzmüller와 Scott의 연구(Monatshefte für Mathematik, 2025)의 Isabelle/HOL 데이터셋을 Lean 4로 이전하고, 이를 통해 두 증명 보조기(proof assistant) 모두로부터 독립적인 벤치마크로서 자동 정리 증명기(automated prover)로 다시 전달합니다. 이번 이식은 구조와 이름을 보존한 채 30개 이론 전체를 다룹니다. 파싱 결과 548개 진술이 동일한 것으로 비교되었고, 명명된 모든 결과가 다시 증명되었으며, 원본에서 재현하지 않고 보고만 했던 5개 결과 또한 본 연구에서 증명되었습니다. 모든 정리에 대해 `#print axioms`는 해당 증명에서 소비하는 공준들을 제공합니다. 스콧의 필연적 존재와 양상 붕괴(modal collapse)는 대칭 프레임(symmetric frame)만을 필요로 하여 KB로 충분함을 확인해 줍니다. TPTP THF 및 SMT-LIB 형식의 이 벤치마크는 철학에서 논쟁된 논증 단계를 원본에서 반박하거나 미해결로 남겨둔 45개 진술(원본에서 10개가 미해결로 남음)과 함께 294개의 정리로 변환합니다. 5개의 THF 증명기와 SMT-LIB 상의 cvc5는 단일 코어에서 10초 이내에 227개 정리를, 60초 이내에 232개 정리를 증명하며, 그 어떤 증명기도 45개 진술 중 어느 것도 증명하지 못했습니다. Leo-II의 계산법(calculus)은 약 10년 동안 변경되지 않았으며 이번에 릴리스 2.2로 수정 및 현대화되었음에도 불구하고, E와 Leo-II가 가장 많은 정리를 해결했습니다. 이후 버전이 CASC-30의 고차(higher-order) 부문에서 우승한 Vampire는 어떤 구성에서도 가장 많은 정리를 해결하지는 못했습니다. E와 Leo-II만이 자체 자동 모드에서 측정되었습니다. Zipperposition은 단일 모드에서 101개, 개발자의 포트폴리오를 사용하여 213개를 증명했고, Vampire는 옵션 없이 174개, CASC 모드에서는 선택하지 않는 고차 스케줄을 사용하여 209개를 증명했으며, Leo-III는 단독으로 159개, 파트너로 E를 함께 사용하여 177개를 증명했습니다.
외부 레코드는 사용자의 요청에 따라 적용할 절차를 포함할 수도 있고 읽어야 할 텍스트를 포함할 수도 있습니다. IBBench-Light는 동일한 레코드에 대해 이 두 가지 용도를 모두 테스트합니다. 12개의 의미 기반(semantic base)을 통해 모델당 144개의 대응 쌍을 얻으며, 4개의 양자화(quantization)된 인스트럭션 모델이 아카이브된 1,152개의 그리디(greedy) 응답을 생성했습니다. 쌍별 정확 계약 정확도(PECA)는 쌍의 두 구성 요소 모두가 출력 계약을 충족해야 합니다. Qwen은 132개의 실행(execute) 프롬프트와 109개의 처리(process) 프롬프트에서 성공했으나 완전한 쌍은 97개에 불과하여 한계 평균(marginal average)이 생략하는 부분을 보여줍니다. 본 연구에서는 문자 그대로의 대상(literal-target) 노출 및 대소문자 정규화(normalization)를 감사(audit)한 후, 지시문 부재 대조군, 12개의 추가적인 의미 기반, 기반 내 표현 변경, 생성 중단을 테스트하기 위해 1,722개의 기록된 CPU 생성을 추가합니다. 고정된 Phi 재실행에서는 문장 끝(EOS) 세트를 변경함으로써 정확한 쌍 성공률이 0/144에서 62/144로 변화합니다. 유계(bounded) IHEval 비교에서는 동일한 SmolLM2 체크포인트와 출력 예산을 사용하면서 공개된 인스트럭션 역할 및 채점기를 유지합니다. 이 벤치마크는 조건부 작업 및 출력 계약 성공을 측정합니다. 본 벤치마크의 작업 한계치와 쌍 수는 중단 정책과 함께 함께 해석되어야 합니다.
본 논문에서는 대규모 언어 모델(LLM) 앙상블에서 사고의 다양성(diversity of thought)이 제공하는 성능 향상(uplift)을 계산하기 위한 실험적으로 검증된 형식 법칙을 제시합니다. 우리는 제1원리(first principles)로부터 LLM 앙상블 성능 향상 효과(lift)를 구제 질량(rescue mass)과 손상 질량(damage mass)으로 정확히 분해하고, 이를 바탕으로 성능 향상을 계산하는 간결한 휴리스틱을 도출합니다. 이를 통해 앙상블 성능을 예측하는 지표들을 추출하는데, 이는 정확도 조정 정답 상관관계인 $φ_{\mathrm{adj}}$와 함께 모델 쌍의 정확도 격차 및 집단적 정확도(collective accuracy)입니다. 우리는 두 개의 대학원 수준 과학 벤치마크와 네트워크가 격리된 샌드박스에서 다중 턴(multi-turn) 도구 사용을 통해 디지털 포렌식 조사를 수행하는 새로운 에이전트 기반 사이버 보안 벤치마크(기권을 포함한 23,520회의 채점 시험)에서 10개의 공개 가중치 모델로 생성한 767,520회의 추론을 바탕으로 이 법칙을 테스트하였으며, 모든 투표 데이터는 공개되어 있습니다. 40:60 투표 분할 비율로 SuperGPQA에서 한 번 캘리브레이션된 휴리스틱은 캘리브레이션 세트에서 스피어만 $ρ=0.84$로 성능 향상을 예측하며, 계수를 고정한 상태에서도 캘리브레이션에 사용되지 않은 두 데이터셋으로 전이(transfer)됩니다(GPQA Diamond에서 $ρ=0.51$, 포렌식 태스크에서 $0.84$). 반면 측정된 스왑 질량(swap mass)은 전체에 걸쳐 $R^2\ge 0.96$으로 실제 실현된 성능 향상을 추적합니다. 원시(raw) $φ$는 예측력이 거의 없는 반면(전체에 걸쳐 $R^2\le 0.09$), 정확도 조정 $φ_{\mathrm{adj}}$는 현저히 우수하며(SuperGPQA에서 $R^2=0.67$), 이러한 지표들을 결합한 휴리스틱은 세 데이터셋 전반에서 가장 안정적인 풀링(pooling) 이전 예측 인자입니다.
신뢰할 수 있는 시각적 추론(visual reasoning)을 수행하려면 여러 시각적 관찰 결과를 조합하고 논리적으로 동등한 질문에 대해 일관된 답변을 도출할 수 있어야 합니다. 본 연구에서는 시각적 그라운딩(visually grounded) 기반 불리언 추론(Boolean reasoning)을 위한 벤치마크인 Hob-VL을 소개합니다. Hob-VL은 두 가지 태스크로 구성됩니다: (1) 이미지에서 불리언 규칙이 성립하는지 평가하기, (2) 불리언 설명을 만족하는 (고유한) 객체 식별하기. Hob-VL은 생성된 1,000개의 장면과 46개의 다양한 라벨링된 사진에 걸쳐 10개의 시각적 진술의 불리언 조합으로 정의된 6,000개의 사람이 검증한 균형 잡힌 Yes/No 질문과 동일한 사진들에 대한 1,000개의 객체 식별 질문을 포함합니다. 본 연구의 질문 집합은 오해를 유발하는 로컬 단서와 중첩된 논리 연산을 통해 추론 능력에 도전하도록 의도적으로 설계되었으며, 기호적 표현과 구조화된 자연어 표현을 모두 포함합니다. 사고(thinking) 기능을 비활성화하거나 최소화한 8개 모델 구성 전반에서 불리언 정확도는 48.52%에서 50.57%에 그쳤고, 식별 정확도는 최대 43.0%에 불과했습니다. 사고 기능을 활성화한 GLM 모델 구성의 경우 불균등한 성능 향상을 보였으나 상당한 오류와 불일치는 여전히 지속되었습니다. Hob-VL은 실행 가능한 참조 답변과 정합된 평가를 통해 이러한 실패 사례들을 드러냅니다.
우리는 재귀적 자기 개선이 일어나는 부류인 튜링 완전(Turing-complete) 자기 수정 시스템에 대해, 고정된 시스템 자체와 그 시스템의 자기 수정 과정 전반 모두에서 알고리즘적 안전성 검증의 수학적 한계를 규명한다. 정적으로는 건전성(sound), 완전성(complete), 다루기 쉬움(tractable)을 모두 갖춘 검증기가 존재하지 않는다. 무한 도메인에서는 라이스(Rice)의 정리와 괴델(Gödel)의 정리에 의해, 모든 유한 구성에 대해서는 트라크텐브로트(Trakhtenbrot)의 정리에 의해, 그리고 간결하게 기술된 유한 환경에서는 적대자(adversary)에 대해 정책을 검증하는 문제가 coNP-완전이고 정책을 합성하는 문제가 PSPACE-완전이기 때문에 그러하다. 동적으로는 한 단계의 자기 수정을 코드에 대한 계산 가능한 변환으로 모델링하고, 안전성 속성이 그 변환 이후에도 유지되는지를 묻는다. 변환이 행동에만 의존한다면 이는 한 단계 위로 올라간 라이스의 정리에 해당한다. 자기 수정이 그러하듯 변환이 코드를 읽는다면 이 문제는 더 이상 의미론적이지 않지만, 행동이 동일한 프로그램들의 부류 내부에서도 동일한 s-m-n 환원이 성립하여 정지 문제의 차수(halting degree)를 그대로 물려받는다. 한 단계는 결코 해당 속성 자체보다 어렵지 않으며, 전체 궤적을 따라 속성이 지속되는지는 $\Pi^0_2$-완전일 수 있다. 전체 알고리즘(total algorithm)에 의한 인증은 표현력이 제한된 변환에 대해서만 가능하며, 단지 변화를 멈추는 시스템에 대해서만 가능한 것이 아니다. 감독자(supervisor)를 아무리 겹겹이 쌓아도 도움이 되지 않으며, 모든 전체 감독자는 결정 불가능한 시스템 집합에서 오류를 범한다. 효과적으로 점별(pointwise)인 속성에 대해서는, 유한한 행동 증거를 바탕으로 인증하는 모든 충실한(faithful) 유계 방식(bounded scheme)이, 속성이 위반되는 동안에도 모든 단계에서 인증되는 진화 궤적을 허용한다. 남는 것은 정확한 결과이다. 위반 시 경보를 울리는 모니터는 위반을 반결정(semidecide)하며, 고정된 기준(frozen reference)과의 비교는 전체 이론을 그대로 유지한다.
데이터베이스 벤더들이 최근 필터 predicate에서 사용할 수 있는 AI 함수를 출시했다. 이러한 함수는 종종 비용이 큰 블랙박스 ML 모델에 의존하므로 새로운 데이터 관리 과제를 드러낸다. 구체적으로, 정수 및 문자열 데이터에 대한 기존 데이터 스킵핑 기법은 새로운 필터 유형에는 적용되지 못한다. 실제로 blob storage에서 파일을 읽을 때와 같이, 조건을 만족하지 않는 row group을 가지치기할 알려진 메커니즘이 없다.
본 연구에서는 ML 필터를 위한 데이터 스킵핑 기법 연구를 시작한다. Parquet의 기본 min-max 메타데이터만으로도 가지치기를 가능하게 하기에 충분하다고 주장한다. 이를 위해 (i) 최근 제안된 ML 모델용 쿼리 언어와 (ii) 신경망 검증이라는 두 연구 계열과의 연관을 맺는다.
렐루 아키텍처에 대한 예비 결과는 TPC-H 및 TPC-DS의 테이블에서 선택도가 0.1% 미만인 필터에 대해 평균 가지치기 효과가 27.4%에 달함을 보여준다. 마지막으로 공간 조인 연구에서 영감을 받아 향상된 메타데이터 구조, 즉 검증 도구가 더 잘 활용할 수 있는 크기 제한 2D 볼록 껍질(convex hull)을 제안하며, row group 및 column pair당 최대 45바이트만 차지하면서 가지치기 효과를 38.31%로 높인다. DuckDB에서 PyTorch 대비 end-to-end 속도 향상 1.07$\times$를 관측한다.
우리는 자기 수정(self-modifying) 계산 시스템이 안전성 속성을 다음 단계에서 보존하는지(보존, preservation), 그리고 전체 진화 과정에 걸쳐 보존하는지(지속, persistence)를 알고리즘적으로 인증할 수 있는지를 묻는다. 자기 수정의 한 단계는 프로그램 인덱스에 대한 전체 계산 가능 변환 $\Phi$이며, 보존은 고양된(elevated) 속성 $\Lambda_\Phi(P)=\{x\in P:\Phi(x)\in P\}$로 표현된다. $\Phi$가 외연적(extensional)이면 $\Lambda_\Phi(P)$는 행동적(behavioural) 속성이 되어 라이스 정리가 적용된다. $\Phi$가 코드를 읽는 경우 $\Lambda_\Phi(P)$는 더 이상 행동적이지 않지만, 균일 교란(uniform disruption, $K$를 인코딩하는 비활성 래퍼) 하에서는 라이스 정리를 증명하는 s-m-n 환원이 단일한 행동적 파이버(fibre) 내부에서 작동하며, $\Lambda_\Phi(P)$는 정지 문제의 차수(halting degree)를 물려받는다. 이는 두 가지 스케일에서 나타나는 라이스 정리의 하나의 풀백(pullback)이다. 한 단계의 차수는 $P$의 차수를 넘지 않으며, 지속은 $\Phi$가 외연적인 경우에도 $\Sigma^0_1$ 속성에 대해 $\Pi^0_2$-완전(complete)일 수 있다. 이어서 우리는 재작성(rewriting), 감독(supervision), 시스템 비교에 공통된 메커니즘을 분리해 내는데, 이것이 의미론적 고양 연산자(semantic elevation operator)이다. 이 연산자는 기저 시스템을 감싸고, $K$에 고정된 하나의 유한한 사건, 즉 속성으로의 진입 또는 이탈에 반응한다. 이 부류에서 고양된 속성은 트리거와 극성(polarity)만으로 결정되는 $P\cap S_a$ 또는 $P\setminus S_a$이며, $K$ 또는 그 여집합을 물려받고, 안전 영역은 재귀적으로 열거 가능하지 않다. 라이스-샤피로(Rice-Shapiro) 정리는 극성을 제한한다. 즉 유한 트리거는 $\Sigma^0_1$ 속성에만 진입할 수 있고 $\Pi^0_1$ 속성에서만 이탈할 수 있다. 네 가지 축(기능적, 연역적, 참조 대상에 대한 적합성, 모니터링)은 검증된 사례이며, 감독자의 탑(tower)을 쌓아도 이 장벽은 낮아지지 않는다. 또한 이 부류 밖에 있는 $K$-난해(K-hard) 내포적(intensional) 연산자를 제시하고, 미해결 특성화 문제를 명시한다.
자동화된 팩트체킹 시스템은 주장이 참인지 또는 거짓인지에 대한 라벨을 반환합니다. 이러한 많은 시스템에서 판정 결과는 여전히 주요 출력물로 남아 있습니다. 일반적으로 누락된 것은 어떤 문서가 해당 문제를 해결했는지, 판정이 바뀌려면 무엇이 달라졌어야 했는지, 또는 동일한 주장이 다르게 표현되었을 때도 동일하게 판단되었을지에 대한 기록입니다. 저자들은 이 누락된 요소를 보증(warrant), 즉 무엇이 보장되었으며 어떤 근거에 기반했는지를 명시하는 별도의 진술이라 부릅니다. 정형 기법(formal methods)은 이러한 종류의 증거를 생성하며, 디지털 서비스법(Digital Services Act)과 인공지능법(AI Act) 모두 시스템의 동작 방식에 대한 감사 가능한 증거를 요구함에 따라 규제 측면에서도 이를 요구하기 시작하고 있습니다. 기존의 자동화 팩트체킹 서베이 논문들은 주로 파이프라인 단계별로 구성되어 논리(logic)를 여러 기법 중 하나로만 취급합니다. 본 연구는 대신 무엇이 정형화되는지에 따라 분야를 구성하며, 이는 주장(claim), 추론(reasoning), 검증을 수행하는 시스템, 주장이 확산되는 생태계, 규제적 의무의 다섯 가지 수준으로 나뉩니다. 121편의 연구를 이 수준들로 분류한 결과, 두 가지 패턴이 두드러집니다. 관련된 대부분의 정형 메커니즘은 이미 존재하지만 다른 도메인을 위해 구축되어 이 분야에는 거의 적용되지 않았으며, 검증 시스템 자체를 검증하는 부분에서 격차가 가장 큽니다. 또한 전문 팩트체커가 따르는 일상적인 절차의 여러 단계에는 명시된 정확성 기준이 없으며, 그중 주장을 검증 가능한 형태로 작성하는 것과 이미 게시된 판정을 수정하는 두 단계는 본 연구에서 코딩한 어떤 연구에서도 정형적으로 명시되지 않았습니다. 마지막으로 각각에 대한 제안된 첫 단계와 함께 미해결 과제들을 제시하며 마무리합니다.
형식 의미론과 분포 의미론은 언어적 의미에 접근하는 서로 다른 방식이다. 전자는 의미를 모델 이론적 구조를 통한 지시(reference)로 모델링하고, 후자는 의미를 사용 양상에 의해 형성되는 고차원 공간의 벡터로 모델링한다. 본 논문은 내포적(intensional) 형식 의미론 가운데 어느 부분이 선형 벡터 공간 인코딩을 허용하는지를 규명한다. 복합 인덱스 공간(compound index space)에 모은 임의의 유한한 인덱스 종류(index sort) 집합을 갖는 크립키(Kripke) 방식의 내포 모델은 벡터 공간으로 단사적(injective)으로 임베딩된다. 원초적 영역(primitive domain)은 자유 담지체(free carrier)로, 내포(intension)와 그 밖의 함수는 선형 연산자로 대응된다. 의미 함수는 자유 담지체 위의 유일한 다중선형 사상(multilinear map)으로 확장(lift)되며, 합성은 보존된다. 함수 영역의 연산자 인코딩은 해당 자유 담지체를 압축하며, 우리는 범함수(functional)를 특성화한다. 멱집합 위의 불리언 값 범함수가 연산자 인코딩에 대해 선형으로 작용하는 것은 그 범함수가 상수이거나, 극대필터(ultrafilter) 지시자이거나, 그 여집합인 경우에 한하며, 따라서 유한 영역에서 상수가 아닌 범함수는 몬태규(Montague)의 개체(individual)와 그 부정에 해당한다. 원소가 둘 이상인 제한자(restrictor)에 대한 한정사(determiner), 접근 가능한 인덱스가 둘 이상인 양상 연산자, 대안이 둘 이상인 태도 연산자는 선형 체제의 바깥에 있으며, 대신 선형 누적 후 결정이라는 형태를 취한다. 양상은 측도 프레임(measure frame) 위에서 일관되게 정의되는데, 여기서 계수 측도(counting measure)는 모든 기수(cardinality)에서 크립키 의미론을 복원하고, 연속 측도는 필연성 진리를 거의 어디에서나(almost everywhere) 성립하는 것으로 만든다. 또한 측도 하에서 공리 D, T, B, 4, 5에 대한 대응 조건, 복합 인덱스 위 접근 가능성의 크로네커(Kronecker) 분해, 그리고 측도 기반 양상을 단계적(graded) 양상으로 해석하는 방식을 제시한다.
모델이 학습 분포 밖에서 일반화하려면, 생성 메커니즘에 맞춰 적합화된 근사가 아니라 그 메커니즘과 구조적으로 동등한 표현을 계산해야만 한다. 이러한 동등성은 분포 내·외에서의 정확성(exactness)에 필요하며, 외삽(extrapolation)은 구현 방식과 무관하게 추론 시 이 정확성에 의해 좌우된다. Tensor Logic이 이를 보여 준다. 영온도(zero-temperature) 수축(contraction)은 이산 논리와 동등하며, 추출된 산출물(artefact) 없이 제자리에서 추론(deducing)하고, 텐서는 Boolean, 임베딩(embedding)은 직교 정규(orthonormal)이며, 연산(arithmetic)만이 연속적이다. 무한 재귀가 없어 Prolog가 아니라 Datalog에 이르며, 닫힌 영역(closed domain)에서는 정확하지만 새로운 개체(entity)를 결합(bind)하려면 외부 메모리가 필요하다. 이 기준은 이산 표현이나 추출된 식(expression)을 요구하지 않으며, 학습이 아니라 추론을 제약한다. $[0,1]$에서의 정확한 주변(marginal)은 통과하지만, 하드 레이블로 임계값(threshold) 처리된 신경망은 통과하지 않는다. Logic Tensor Networks는 이를 만족하지 못하고, 미분 가능 ILP와 $T=0$에서의 Tensor Logic은 만족한다. 구간별 아핀(piecewise-affine) 외삽 발산과 새로운 개체 결합 불능은 정확한 표현 가능성의 부족이라는 한 결함의 두 면이다. 하이브리드 아키텍처에 대해서는 전파 규칙이 따라온다. 출력은 경로상의 모든 적합화된 추정량(estimator)의 경계(bounds)를 상속하며, 이는 equivariant 모델에서 어떤 축이 실패하는지와 ARC-AGI의 induction/transduction 분할을 설명한다. 정확한 가설 클래스(hypothesis class)만이 학습 데이터가 미결정(underdetermined)으로 남기는 것을 보증한다. 법칙(law)에서 유도된 분할(partition)에서, 답 가능한 원거리 쿼리의 $56.3\%$를 찾아내는데, 앙상블(ensemble)은 거짓 확신(false confidence)으로 이를 충족하고 거리 지표(distance metric)는 역순으로 순위를 매긴다. 대칭(symmetry)에서 메모리에 이르는 흔한 귀납적 편향(inductive bias)은 인간이 주입하기 때문에만 정확성에 이르며, 이는 학습 데이터 밖에서 잔차(residual)가 발산하고 합성(composition) 아래에서 누적되는 대리(surrogate)를 적합화하기보다 정확한 표현을 유도(inducing)해야 한다는 논거가 된다. 심지어 학습에서 산술 하한(arithmetic floor)에 있더라도 마찬가지이다.
현재의 심층 신경망(DNN) 검증기(verifier)는 일반적으로 신뢰성(reliability)보다 확장성(scalability)을 우선시하도록 설계되어 있다. 신뢰성은 신뢰할 수 있는 외부 증명 검사기(proof checker)로 검증 가능한 증명(proof)을 생성함으로써 강화할 수 있다. 현재까지 증명 생성을 지원하는 검증기는 소수에 불과하며, 이들은 검증기별로 고유한 형식(format)에 의존하고, 확장성, 증명의 세부 수준, 그리고 증명 검사기의 신뢰성 사이에서 균형을 맞춘다. 본 도구 논문(tool paper)에서는 독립적인 검사기로 검증 가능한 표준 Alethe 형식으로 SMT 풀이(SMT solving)를 위한 증명을 생성하는 DNN 검증기인 PICID를 소개한다. PICID는 최신 증명 생성 SAT 솔버인 CaDiCaL과 Marabou DNN 검증기를 통합하는 병렬 CDCL(T) 아키텍처를 구현한다. 또한 PICID는 UNSAT 증명을 활용하여 충돌 절(conflict clause)을 도출한다. 평가 결과, PICID는 대다수의 경우 유효한 증명을 생성하며, 유사한 증명을 생성하는 기존 도구들보다 상당히 우수한 성능을 보인다.
과학 연구에서 재현성 위기(reproducibility crisis)가 널리 인식됨에 따라, 여러 연구의 통계 분석 결과를 통합하는 메타분석(meta-analysis)의 중요성이 더욱 커지고 있습니다. 그러나 통계적 방법론은 모호하고 암묵적인 기본 가정을 포함하는 경우가 많아, 잘못된 적용과 해석으로 이어질 수 있습니다. 이러한 문제를 해결하기 위해, 본 논문에서는 통계용 파이썬(Python) 프로그램을 위한 정밀 검증(formal verification) 프레임워크를 제안합니다. 구체적으로는 Why3 검증 플랫폼을 위한 파이썬 프론트엔드인 Why3-py를 제시하며, 이는 파이썬 코드를 검증 지향적인 WhyML 표현으로 변환하여 파이썬의 동적 타이핑 및 런타임 다형성에서 비롯되는 기술적 난제들을 해결합니다. 나아가 메타분석 방법론의 검증을 지원하도록 StatWhy 도구를 확장합니다. 메타분석 연구자들은 이러한 도구를 통해 간과된 가정과 분석의 오용을 식별하고, 파이썬 코드 내에서 가설 검정 및 메타분석 방법론이 올바르게 사용되었는지 검증할 수 있습니다.
합성 파이프라인은 점점 프로그램이 올바르다는 것뿐 아니라 최적이라는 주장까지 내세우고 있다. 이러한 주장은 검증 관점에서 근본적으로 다른 두 부분으로 나뉜다. 상한(upper bound)—"크기 m인 프로그램이 존재한다"—은 재실행할 수 있고 명세와 동치임을 증명할 수 있으며, 기계 검증(machine-checked) 인증서와 함께 배포할 수 있는 산출물(artifact)로 입증된다. 하한(lower bound)—"크기 m-1인 프로그램은 존재하지 않는다"—은 입증자(witness)가 없으며, 솔버가 UNSAT을 보고할 때까지 실행하여 입증한다.
조합 최적화(combinatorial optimization)는 수십 년 동안 이 비대칭을 알고 있었고 대체로 해결해 왔다. 인증 알고리즘(certifying algorithms)이 이를 명시적으로 다루고(McConnell et al., 2011), 의사 부울(pseudo-Boolean) 증명 로깅은 형식적으로 검증된 검증기로 최적성을 처음부터 끝까지 인증할 수 있다(Bogaerts et al., 2023; Koops et al., 2025). 그러한 규율은 회로 최소화(circuit minimization)에는 이르지 못했다. 우리는 이를 반증 격차(refutation gap)라 부른다. 최소 XOR 회로에 대한 발표된 게이트 수는 주장의 어느 쪽에 대해서도 인증서를 제공하지 않으며, 우리가 직접 산출한 121건의 최적성 결과 역시 마찬가지였다.
우리는 GF(2) 위의 최소 선형 straight-line 프로그램을 합성하는 파이프라인으로 이 격차를 메운다. 여기서 모든 결정적 UNSAT 응답은 독립적인 제3자 검증기가 검사하는 DRAT 증명을 출력한다. n = 6부터 9까지 프로젝트에서 확립한 121건의 최적성 결과를 모두 인증한다. 111건은 독립적으로 검증된 반증(refutation)을 갖고, 10건은 무상 counting bound로 종결되며, 어느 것도 미인증 값과 불일치하지 않는다. 증명의 중앙값 크기는 1.1 MB이며 검증 비용은 풀이의 1.9배이다. 코드 리뷰가 잡지 못한 결함을 검증이 포착한 다섯 가지 사례 연구를 제시하고, 실무자를 미인증 경로로 밀어가는 두 가지 인터페이스 장애물을 보고하며, 적대적 감사(adversarial audit)를 통해 우리가 곧 문제 탓으로 돌릴 뻔했던 실패 꼬리(failure tail)가 실제로는 자체 예산(budget) 때문이었음을 밝혀 냈다.
사고의 연쇄(Chain-of-Thought, CoT) 추론은 대규모 언어 모델(LLM)의 성능을 향상시키는 것으로 입증되었으나, 기존 최적화(optimization) 방법들은 대체로 결과 기반 피드백에 의존하여 중간 추론 단계의 논리적 유효성은 대부분 검증되지 않은 상태로 남겨둡니다. LLM이 논리적으로 결함이 있는 중간 추론 과정을 거치고도 올바른 최종 답변에 도달하는 간극을 해결하기 위해, 우리는 각 추론 단계를 기호 표현으로 자동 정형화(auto-formalizing)하고 이를 자동 정리 증명기(automated theorem prover)로 검증하여 추론 궤적을 감사하는 뉴로-심볼릭(neuro-symbolic) 프레임워크인 LogicTrack을 제안합니다. LogicTrack은 논리적 건전성(logical soundness)을 정량화하고 추론(inference) 시 백트래킹 트리 탐색을 가이드하는 단계별 스코어링 메커니즘인 솔버 기반 백트래킹 보상(Solver-Based Backtracking Reward, SBR)을 도입합니다. 나아가 우리는 LogicTrack을 확장하여 해당 궤적의 백트래킹 추적(backtracking trace)을 포함하는 지도 미세조정(supervised fine-tuning, SFT) 데이터를 구축함으로써, 미세조정(fine-tuning)된 모델이 단계별 감사를 고유한 능력으로 내재화할 수 있도록 합니다. 8개의 추론 벤치마크(benchmark)와 7개의 LLM에 걸친 광범위한 실험은 LogicTrack이 추론 체인의 검증 가능성과 최종 답변 통과율을 모두 효과적으로 향상시켜, 중대한(high-stakes) 도메인에서 전반적인 CoT 품질과 신뢰성을 높임을 입증합니다.
질(qualities)과 양(quantities)을 자연스럽게 다루는 데 도움이 되고 정확성 검증 작업을 크게 단순화하는 언어인 Soda(Symbolic Objective Descriptive Analysis)를 제안한다. 컴퓨터 시스템에 대한 복잡한 요구사항을 인코딩하기 위한 서술적 언어 설계에서 영감을 받은 본 언어의 핵심 속성을 제시하고, 이러한 핵심 속성이 간단한 정의로 해당 요구사항을 모델링하기 위해 어떻게 다루어져야 하는지 설명한다. 문제를 쉽게 기술하는 데 도움이 되는 도구의 개요를 제공하며, 이는 더 투명하고 오류 가능성이 낮다고 본다.
In this paper, we develop warrant theory as a philosophical discipline concerned with the inferential legitimacy of propositions within logical analysis. Warrant theory reconceptualises logic as a normative framework governing the conditions under which propositions may be introduced, accepted, rejected, and inferentially employed. Warrant is understood as inferential entitlement and is distinguished from truth, belief, and other psychological attitudes, while its relation to inferential use and meaning is examined. Warrant-theoretic analysis is then developed as a systematic method for investigating how propositions acquire inferential standing, how that standing develops, and how inferential positions interact through relations of dependence, compatibility, incompatibility, and exclusion. Acceptance and rejection provide the bilateral vocabulary for representing positive and negative inferential positions and the consequences and commitments associated with them. Finally, these elements are brought together in a warrant-theoretic definition of logic as the formal and normative study of the conditions under which propositions may be legitimately accepted or rejected and of the inferential transitions that such legitimacy warrants. On this account, logical consequence and logical failure are understood through the presence, preservation, or absence of inferential entitlement, thus locating the philosophical subject matter of logic in the systematic governance of inferential legitimacy.