컴퓨터 과학에서 탈중앙화(decentralization) 개념은 반세기 이상 존재해 왔다. 보안, 분산 컴퓨팅, 인공지능, 클라우드 인프라, 사물인터넷(IoT) 아키텍처 등 여러 분야에서 핵심적인 역할을 수행하고 있음에도 불구하고, 컴퓨터 통신 시스템 전반에 적용 가능한 보편적으로 합의된 탈중앙화의 정의는 여전히 부재하다. 이는 탈중앙화가 핵심 설계 목표로 자주 다루어지는 협력 학습(collaborative training), 분산 추론(distributed inference), 블록체인 기반 AI, 에이전트(agentic) AI를 포함한 탈중앙화 AI 및 머신러닝 패러다임이 등장하면서 더욱 문제가 되고 있다. 한편, 기존 접근법들은 신뢰의 분산(distribution of trust)이나 특정 구현 패러다임과 같은 관련 개념들과 탈중앙화를 빈번히 혼동한다. 이러한 모호성은 시스템 분석에서 불일치를 초래하고, 연구 간 비교 가능성을 제한하며, 통신 아키텍처 및 프로토콜 설계와 관련된 형식적 추론의 엄밀성을 약화시킨다. 본 연구에서는 이러한 연구 공백을 '탈중앙화 문제(Decentralization Problem)'로 정의한다. 저자들은 탈중앙화의 형식 의미론적, 인식론적, 실용적 기초를 분석하고, 이를 컴퓨터 통신 시스템의 관계적 속성이자 주체 특정적(subject-specific) 속성으로 정의하는 그래프 기반 온톨로지를 도입한다. 이 프레임워크는 탈중앙화를 분산(distribution)과 공식적으로 구별하며, 두 가지 새로운 지표인 보이드 내성(Void Tolerance)과 불침투성(Imperviousness)을 통한 평가를 지원한다. 또한 임의의 시스템에 대한 자동화된 분류(classification) 및 지표 계산을 가능하게 하는 브라우저 기반 구현체를 제공한다. 연합학습 및 블록체인 아키텍처에 적용한 사례 연구에서는 기존 정의들이 불완전하거나 모순된 결론을 내는 지점에서도 일관되고 비교 가능한 평가를 보여주며, 이종 시스템 전반에서 탈중앙화를 분석하기 위한 도메인 독립적 기반을 제공한다.
커널의 타입 체커를 통과한 Lean 4 형식 증명(formal proof)이라도 품질은 크게 다를 수 있다. 본 논문은 정확성을 넘어 라이브러리 활용도(library leverage), 자동화 적합성(automation fit), 구조적 명확성(structural clarity), 명제 품질(statement quality), Mathlib 관례(Mathlib conventions)의 다섯 가지 차원에서 형식 증명의 품질을 점수화하는 에이전트 기반 LLM-as-judge 시스템인 ProofJudge를 소개한다. 서로 다른 Mathlib PR에서 추출한 218개의 선언(declaration)으로 구성된 새로운 데이터셋에서 ProofJudge를 평가한다. 심사 에이전트는 PR이 적용되는 커밋에 대한 도구 접근 권한을 통해 그라운딩(grounding)되어, 점수를 매길 때 라이브러리 상태를 조회할 수 있다. 심사 모델이 Mathlib이 수락한 PR 버전에 수정을 위해 반려된 초기 버전보다 더 높은 점수를 부여하면, 해당 심사 모델이 인간의 선호와 정렬되었다고 간주한다. 평가한 여섯 개 심사 모델 모두 리뷰어의 선호를 우연 수준보다 훨씬 높은 80.8%에서 63.5% 사이의 비율로 재현했으며, 오픈 가중치(open-weight) 심사 모델 두 개는 최고 성능 심사 모델의 10분의 1 비용으로 약 70%에 도달했다. 후속 연구를 지원하기 위해 심사 하네스(judge harness), 평가 데이터셋, 평가 트레이스(evaluation traces)를 오픈소스 산출물로 공개한다.
60년 동안 기계 검증(machine verification)은 예외적인 산출물에만 감당할 수 있는 큰 비용 부담이었다. 본 논문은 생성형 AI가 이러한 관계를 뒤집는다고 보고한다. AI의 속도에서는 기계 검증이 경제적일 뿐 아니라 생산성에 필수적이며, 한 사람이 자율적인 기계 작업을 대규모로 안전하게 지휘할 수 있게 하는 부패하지 않는 심판 역할을 한다. 5주 동안 한 명의 연구자가 일반 소비자용 AI 구독 서비스만으로 소규모 AI 에이전트(agent) 무리를 지휘하여, 애플리케이션 코드에서 시작해 검증된 컴파일러와 익제큐티브(executive)를 거쳐, 커뮤니티 실리콘 셔틀(community silicon shuttle)에서 테이프아웃(tape-out)된 RISC-V 프로세서에 이르는 전 과정을 수행했다. 어떤 증명도 사람의 검토를 거치지 않았고, 사람이 작성한 RTL도 없었다. 이 작업 방식인 Salt 방법(Salt method)은 환각(hallucination)으로 생성된 증명은 통과할 수 없는 증명 커널(proof kernel)에 기반한다. 즉, 수학적 주장은 커널이 검증한 산출물 형태로 에이전트 사이를 오가며, 사람의 주의는 명제, 설계, 판정에만 할당된다. 검증은 Lean 4 커널에서부터 실리콘 경계에서의 SAT 검증 동치성(SAT-checked equivalence)에 이르기까지 연결 고리별로 명시된다. 우리는 전체 내역을 공개한다. 여기에는 정리의 출처(theorem provenance), 사전 등록된 토큰(token) 계량, 하한이 정해진 인간 소요 시간, 그리고 오류 대장(error ledger)이 포함된다. 오류 대장의 적발 번호는 #256까지 이어지며, 이는 수학 캠페인의 추가 전용(append-only) 플래그 대장에 대한 단조 증가 카운터로서 2026-07-07부터 2026-07-20까지 유지되었다(번호 #79 하나는 배정되지 않았으며, 이후의 적발 건은 번호 없이 기록된다). 이 기간 동안 잘못된 증명이 기록에 반영된 경우는 0건이었다.
본 논문은 통제된 소프트웨어 변환 과제로서 Oracle에서 PostgreSQL로의 마이그레이션을 활용하여 에이전트 간 명세(specification) 이식성을 조사한다. 이 연구는 두 단계의 실험으로 구성된다. 첫째, 명세 우선(specification-first) 마이그레이션 파이프라인을 1,006개의 PL/SQL 파일에 대해 평가하였으며, 이 중 623개가 성공적으로 재생성되었고 380개의 생성된 스크립트가 PostgreSQL 16에서 성공적으로 실행되었다. 둘째, 1,802개의 Oracle 스크립트와 이에 대응하는 PostgreSQL 구현으로 이루어진 데이터셋에서 Amazon Kiro, Google Gemini, GitHub Copilot을 사용하여 에이전트 간 실험을 수행하였으며, 초기 단일 에이전트 평가에는 Claude Code와 Cursor도 포함되었다. 고유(native) 명세와 외부(foreign) 명세는 Token F1, 정확 일치, SQL 구문 유효성, AST 정확 일치, AST 평균 유사도, 즉시 실행 가능성을 기준으로 평가되었다. 결과는 명세의 크기만으로는 구현 품질을 예측할 수 없으며, 에이전트 간 전이가 에이전트에 따라 상당한 성능 저하를 초래할 수 있음을 보여준다. 반복 검증된 가장 강력한 사례는 Gemini가 Kiro에서 생성된 명세를 직접 사용했을 때 발생했으며, Token F1은 0.035, SQL 구문 유효성은 2.33%, AST 평균 유사도는 0.015였다. 테스트한 구성에서는 재작성(rewriting)이 Gemini의 성능을 크게 향상시켰고, 압축은 보편적인 이점을 제공하지 못했으며, 검색-증강 수집(retrieval-augmented ingestion)은 Gemini와 Copilot 두 에이전트 각각의 파레토 프런티어에 공통으로 나타난 유일한 전략이었다. 이러한 결과는 이기종 SDD 워크플로에서 명세를 에이전트 중립적인 산출물로 자동으로 간주해서는 안 되며, 멀티 에이전트 소프트웨어 엔지니어링에서 명세 이식성, 에이전트별 해석, 검색 기반 접근을 명시적으로 고려해야 함을 시사한다.
많은 과학적 발견 문제는 복잡한 도메인 제약 하에서 조합적 가설 공간을 탐색해야 한다. 강화학습(RL)은 유망한 접근이지만, 기존 방법은 후보 해법이 실패하는 이유에 대한 정보가 제한적인 스칼라 보상에 의존하여, 에이전트가 유효하지 않은 영역을 반복적으로 탐험하게 만든다. 우리는 기호 추론(symbolic reasoning) 도구의 구조화된 피드백을 활용하는 프레임워크인 인증 주도 강화학습(CDRL)을 제안한다. 후보가 도메인 제약을 위반하면, 이 도구들은 실패를 야기한 행동을 식별하는 인증(certificate)을 생성한다. CDRL은 이러한 인증을 재사용 가능한 제약으로 변환하여 무효 해법의 클래스를 제거하고 유효한 영역을 향한 탐험을 이끈다. 가설 공간이 $10^{26}$개 이상의 가능한 모델을 넘는 이론 입자 물리학의 중성미자 flavor 모델 발견에서 CDRL을 평가하고, 이 과제에 이전에 사용된 최신 강화학습 접근법과 비교한다. 세 이론 공간에 걸쳐 CDRL은 후보를 최대 4$\times$ 더 적게 평가하면서 유효 모델 비율에서 최대 1.95$\times$, 중성미자 모델 비율에서 최대 6.33$\times$의 성과를 달성한다. 또한 사후(post-hoc) 의사결정 트리 프레임워크를 사용해 탐색 궤적에서 40개의 해석 가능한 규칙을 추출하고, 이를 소프트 제약(soft constraint)으로 재사용하면 세 이론 공간 모두에서 유효 모델 비율에서 최대 2$\times$, 중성미자 모델 발견에서 최대 3$\times$의 이득이 있음을 보인다. 이러한 결과는 CDRL이 조합적 탐색 공간에서 재사용 가능한 구조를 드러내며, 과학적 모델 발견을 위한 일반적인 프레임워크를 제공함을 시사한다.
Tsetlin Machine(TM)은 유한 상태 오토마타를 사용하여 해석 가능한 부울(Boolean) 절을 학습한다. 본 논문에서는 Quantum-Logic Tsetlin Machine(QL-TM)을 제안하며, 고전적 include/exclude 오토마타는 그대로 두고 부울 리터럴을 투영자(projector)로 표현된 양자 명제로 대체한다. 절은 서로 교환하는 측정 맥락(measurement context)으로 제한되며, 공동 투영자의 Born 확률을 통해 활성화된다. 대각(computational basis) 맥락에서는 일반 부울 TM 절로의 정확한 환원을 증명하고, Pauli-투영자 절을 stabilizer 및 syndrome 의미론과 연결한다. Bell 상태, phase-flip syndrome, 무작위 16-클래스 stabilizer 과제, 혼합 리터럴 풀, context-budget ablation, 유한 측정(finite-shot) 노이즈에 대한 통제 실험 결과, 올바른 비대각 맥락은 물리적으로 의미 있는 절을 복원하는 반면 대각 또는 잘못된 맥락은 관련 phase/syndrome 정보를 잃는다는 것을 보여준다. context-budget 결과는 실제 stabilizer generator가 제거될수록 예측된 separability ladder 2^(b-k)를 밀접히 따른다. 본 기여는 Tsetlin 절 학습과 양자 논리(quantum logic) 사이의 통제된 연결고리이며, 양자 이점(quantum advantage) 주장이 아니다.
최근 몇 년간 $O_2$가 다중 문맥-자유 문법(MCFG)이라는 사실에 대한 여러 증명이 제시되었다. 이러한 결과는 계산언어학과 계산대수학 두 분야 모두에서 활용할 수 있다. 본 논문에서는 문자열 튜플의 인수분해로 서술된 최근의 그러한 증명에 초점을 맞추고, 기존 정리들보다 그러한 인수분해에 대한 더 강한 특성화를 갖는 새로운 결과를 제시한다.
우리는 Rocq 증명 보조기(proof assistant)에서 Romanov의 트리플렛 로직(Triplet Logic, TLS)을 기계적으로 형식화한 최초의 결과를 제시한다. TLS는 컴팩트 트리플렛 구조(Compact Triplets Structures, CTS)라 불리는 계층적 트리플렛 구조를 통과하는 호환 가능한 경로와, Romanov의 효과적 절차(Effective Procedure)를 통한 그 교집합을 추론하기 위한 트리플렛 기반 조합론적 프레임워크이며, 우리는 이 절차를 단순 정점 교집합(Simple Vertex Intersection, SVI)이라 부른다. TLS는 원래 불 충족 가능성(Boolean satisfiability) 문제에서 출발했으나, 그 형식적 성질이 이전에는 확립된 바 없는 독립적인 수학 이론이다. 우리는 컴팩트 트리플렛 수식(Compact Triplets Formulas, CTF), CTS, 하이퍼구조(hyperstructure), 클리어링(clearing), SVI를 포함하는 TLS의 핵심을 Rocq로 형식화한다. 잘 정의된(well-formed) 슬라이딩 윈도우 부분에 대해서는 절(clause) 단위의 CNF-to-CTF 변환, 클리어링 절차, 정렬된(aligned) 교집합을 검증하고, 필터 단계에 대한 명시적인 다항 시간 상한을 증명한다. 주된 기여는 정확한 정확성 경계(correctness boundary)를 규명한 것이다. 즉, 공동 충족 집합(joint satisfying set)이 존재하면 SVI가 공집합이 아님이 함의되지만, 그 역은 일반적으로 성립하지 않는다. 정렬된 구조에 대해서는 완전한 쌍조건(bi-implication)을 복원하며, 이를 구조들의 시스템으로 확장한다. 또한 그룹화된 윈도우(grouped-window) 변환의 건전성(soundness)을 형식화하고, 그 완전성(completeness)에 대한 형식적 반례를 제시한다. 우리는 추출된 OCaml 프로토타입인 VFR을 소개하는데, 이는 슬라이딩 윈도우 부분에 대한 검증된 결정 절차와 일반 3-CNF에 대한 건전한 단방향 필터를 제공하며, Python 런타임과 재현 가능한 Docker 패키징을 포함한다. 무작위 및 구조화된 인스턴스에 대한 벤치마크는 예측된 동작을 확인해 주며, 전체 툴체인은 선별된 Zenodo 아티팩트로 공개되어 있다. Rocq 개발물은 17개 파일에 걸쳐 23,000줄 이상의 코드로 구성되며, 427개의 증명된 보조정리와 정리를 포함하고 admit된 목표는 하나도 없다.
RDF로 모델링된 지식 그래프(knowledge graph)는 정적 지식을 기술하는 데 강력하지만, 미분방정식으로 기술되는 시스템 등 물리 시스템의 동적 행동을 포착하거나 이에 대해 추론할 수 없으며, 이는 AI 기반 사이버-물리 시스템(cyber-physical systems)에 있어 중대한 공백이다. 이를 해결하기 위해 본 논문은 정적 지식과 물리 시스템의 연속적 동역학을 모두 표현하고 추론하도록 RDF를 미분 동적 논리(Differential Dynamic Logic, dL)와 통합하는 프레임워크인 RDFdL을 제안한다. 동적 부분에 대해서는 미분방정식과 상태 공간(state space)상의 범위를 RDF와 SHACL로 구문적으로 표현하고, dL로의 변환을 통해 의미론을 제공한다. RDF와 dL이 1차 논리(first-order logic)라는 공통 기반을 공유한다는 점을 이용해 두 체계를 연결함으로써 독특한 통합을 달성한다. 즉, 동적 논리 영역에서 얻은 안전성(safety) 및 도달 가능성(reachability) 속성에 대한 검증 결과를 RDF 데이터에 대한 SPARQL 쿼리의 함의(entailment)로 활용할 수 있다. 본 논문은 온톨로지 기반 RDF 추론을 위한 Apache Jena와 dL의 정리 증명기(theorem prover)인 KeYmaera X를 사용해 파이프라인을 구현하고, 제조 분야에서의 적용 가능성을 개략적으로 제시한다.
모델 개발에는 탄탄한 모델링 및 시뮬레이션 지식과 도메인 지식이 필요하다. 모든 모델은 시스템의 동역학을 정확하게 표현해야 하며 검증 가능해야 한다. 이러한 목표를 위해 본 연구는 원자적(atomic) 병렬 이산 사건 시스템 명세(Parallel Discrete Event System Specification, PDEVS) 모델의 행동 모델링을 위한 PDEVS 스테이트차트를 인간 모델러가 생성하고 검증하도록 지원하는 에이전트 기반 PDEVS-LLM 프레임워크를 제안한다. 이 프레임워크는 그럴듯한 사실(plausible facts)을 생성하는 데 사용되는 에이전트형 LLM을 이용하여 시스템 설명 프롬프트로부터 그럴듯한 사실을 (재)생성하는 기능을 지원한다. 그럴듯한 사실에 불일치가 있으면 논리 구조와 행동 측면에서 부정확한 PDEVS 스테이트차트가 만들어진다. 이에 그럴듯한 사실의 논리적 일관성을 검증하기 위한 통제된 수정(controlled-correction) 메커니즘을 개발하였다. 에이전트형 LLM은 시스템 설명 프롬프트로부터 핵심 행동 조건을 생성하는 데 사용된다. 이후 유한한 횟수에 걸쳐 명제 논리 함의(propositional logic entailment)를 이용해 그럴듯한 사실을 행동 조건에 대해 검증한다. 검증 결과를 통해 생성된 그럴듯한 사실의 오류를 줄일 수 있는 수정 프롬프트를 생성할 수 있으며, 그 결과 더 정확한 PDEVS 스테이트차트가 만들어진다. 스테이트차트의 논리적 정확성을 검증하기 위해, 그에 대응하는 시간 오토마타(Timed Automata)를 수작업으로 생성하고 교착 상태(deadlock) 및 도달 가능성(reachability) 속성에 대해 검증한다. 인간 모델러는 그럴듯한 사실과 PDEVS 스테이트차트를 반복적이고 점진적으로 재생성할 수 있다. 또한 PDEVS 스테이트차트 모델에서 기대되는 행동 특성의 완전성과 정확성을 정량화하기 위해 기본 정확성 지표를 도입한다. LLM의 역량과 한계를 보이기 위해 다양한 복잡도를 가진 예제 시스템 모음을 개발하였다. 제안한 검증 메커니즘을 평가한 결과, 생성된 스테이트차트의 논리적 일관성이 크게 향상되는 것으로 나타났다.
가치 기반 논증(value-based argumentation)에서 청중의 가치 순서가 어떤 공격(attack)이 반박(defeat)으로 성공하는지를 결정한다. 많은 설정에서는 결정 요인이 청중이 아니라 상황이다: 동일한 공격이 한 절차 단계에서는 또는 한 규정 하에서는 성공하고, 다른 단계나 규정 하에서는 실패할 수 있다. 우리가 최근 도입한 맥락 의존적 논증 프레임워크(CDAFs, context-dependent argumentation frameworks)는 이를 직접 포착한다. 하나의 논증 집합, 하나의 공격 관계, 맥락마다 각 공격을 켜거나 끄는 반박 함수가 있어 모든 맥락이 일반적인 Dung 프레임워크를 유도한다. 이는 환원 문제를 제기한다. 맥락이 진정으로 새로운 것인가, 아니면 맥락별 순서를 갖는 하나의 가치 할당으로 반박 함수를 재현하여 CDAF를 VAF로 붕괴시킬 수 있는가? 우리는 이 질문에 대한 다항 시간 결정 절차를 제시하고, 더 어려운 인접 문제들을 정리하며 NP에서 $Σ^p_3$까지의 상한을 제시한다. 또한 검증된 참조 구현과 측정 결과를 제시한다. 표현 가능성(representability)은 드물며 맥락 수가 늘어날수록 빠르게 감소한다.
언어 모델이 제약 문제를 신뢰할 수 있게 풀게 하려면, 문제를 형식 명세(formal specification)로 번역하고 탐색은 sound solver에 맡기는 방식이 흔하다. 그러나 번역 자체가 언어 모델 작업이며, 부정확한 번역은 솔버가 엉뚱한 문제를 정확히 풀게 만든다. 기존 파이프라인은 충돌(crash)하는 번역만 수정하며 솔버의 에러 메시지를 돌려주고, 프로그램은 실행되지만 결과가 틀릴 때는 아무 신호도 주지 않는다. 우리는 에러 메시지를 증명으로 대체한다. 생성된 프로그램이 unsatisfiable(만족 불가)일 때, 모델이 스스로 둔 제약 위에서 최소 불만족 코어(minimal unsatisfiable core)를 추출해, 동시에 성립할 수 없는 정확한 부분집합을 되돌려 준다. 이는 정보 누출(leakage) 없이 결함 위치를 짚어 주는 신호다. exact oracle이 있는 77문제로 구성된 새 벤치마크에서 Answer Set Programming(ASP)으로의 번역은 일곱 도메인 중 여섯에서는 충실하고, aggregate coverage scheduling에서만 실패하며, 번역 부담(translation tax)이 진단 가능한 한 가지 패턴에 몰려 있음을 보여 준다. 맨 에러가 아니라 최소 코어가 weaker 모델이 실행 불가(infeasible) 문제에 대한 해를 날조(fabrication)하는 것을 막아, 날조율을 79%에서 7%로 줄인다. 한편 강한 사고의 연쇄(Chain-of-Thought) 기준선은 정확도에서 기호(symbolic) 경로와 맞먹으므로, 이 경로의 가치는 정확도가 아니라 certificate(증명서)와 날조를 거부한다는 점에 있다.
본 논문은 계산적 신념 변화(computational belief change) 구현을 위한 역사적 및 이론적 토대를 확립하는 목적 지향적 서술적 검토(narrative review)를 제시한다. Doyle과 London의 기초적인 1980년 분류 체계에서 출발하여, 우리는 계산적 기원에서부터 AGM 프레임워크의 이론적 전환을 거쳐 현대적 접근법에 이르기까지 신념 수정(belief revision)의 진화를 추적한다. 우리의 분석은 AGM 이전의 계산적 실용주의가 AGM의 이론적 구성물과 어떻게 연결되는지 입증하며, 이러한 발전 과정 전반에 걸친 연속성과 변화를 모두 밝혀낸다. 또한 AGM 이후 시대에 각 분류 범주가 어떻게 발전했는지 분석하여 현대의 구현 과제에 정보를 제공하는 이론적 기초와 역사적 선례를 규명한다. 이러한 토대는 역사적 통찰과 형식적 보장을 종합하는 강건한 계산적 청사진에 대한 후속 연구를 가능하게 하여, 체계적인 구현 분석 및 공학 중심의 신념 변화 연구를 위한 기준선을 제공한다.
AI 에이전트(agent)는 프로그래밍에 점점 더 널리 사용되고 있으나, 생성된 코드의 정확성에 대해 어떠한 보장도 제공하지 않습니다. 에이전트가 구현체와 해당 명세에 대한 기계 검증 증명(machine-checked proof)을 함께 생성하는 검증된 코드 생성(verified code generation)은 신뢰할 수 있는 AI 생성 소프트웨어를 향한 더 강력한 경로를 제공합니다. 이 방향의 기존 벤치마크들은 개별 함수에만 집중하거나, 주어진 구현체를 바탕으로 한 증명 생성만을 평가합니다. 에이전트가 실제 다중 모듈 코드베이스 전반에 걸쳐 일관된 구현 및 증명 선택을 내릴 수 있는지는 여전히 미해결 과제로 남아 있습니다. 이러한 격차를 해소하기 위해, 본 논문에서는 저장소(repository) 수준에서 공동 구현 및 증명 합성을 평가하는 최초의 벤치마크인 Vero를 소개합니다. Vero는 Python, Dafny, Verus, Coq에 걸친 실제 저장소에서 추출되고 암호화 프로토콜부터 분산 시스템에 이르는 다양한 도메인을 포괄하는 43개의 다중 모듈 인스턴스를 포함합니다. 각 인스턴스는 사전 정의된 API 인터페이스, 수작업으로 큐레이션된 정형 명세, 참조 구현체를 갖춘 다중 모듈 Lean 4 저장소로 구성되며, 증명 전용(proof-only) 및 코드와 증명(code-and-proof) 평가 모드를 모두 지원합니다. 벤치마크의 신뢰성을 향상시키기 위해, Vero는 에이전트가 제공된 명세의 충족 불가능성이나 참조 코드의 부정확성을 정형적으로 증명할 수 있도록 허용하는 감사 메커니즘을 포함하며, 이를 통해 큐레이션 과정에서 잠재된 코드 및 명세 오류를 드러내고 수정합니다. 저자들은 Lean 툴체인 접근 권한을 갖춘 프론티어 코딩 에이전트 구성을 평가합니다. 가장 뛰어난 에이전트조차 43개 인스턴스 중 27개만을 완전히 해결했으며, 가장 어려운 저장소에서는 단 하나의 명세도 완결하지 못했습니다. Vero는 현재 에이전트들이 여전히 한계를 보이는 저장소 규모의 검증된 소프트웨어 합성을 향한 진전을 측정할 수 있는 구체적인 테스트베드를 제공합니다. 저자들은 벤치마크, 큐레이션 파이프라인, 평가 하네스를 https://github.com/sunblaze-ucb/vero 에 공개합니다.
우리는 단일 불리언 노드 특징(feature)을 갖춘 유한 단순 무방향 그래프에서, 임의의 실수 계수를 허용하고 결국 상수가 되는(eventually constant) 활성화 함수들의 임의의 집합 $Σ$에 대한 $Σ$-MPLang으로 표현 가능한 불리언 쿼리들이, ReLU-MPLang으로 표현 가능한 불리언 쿼리들의 진부분 클래스(strict subclass)를 이룸을 증명한다. 이를 통해 불리언 쿼리에 관해 ReLU-MPLang이 trReLU-MPLang보다 더 강력한지 여부라는, 최근 제기된 미해결 문제를 해결한다. 특히 이 결과는 불리언 특징을 가진 그래프에 대한 불리언 쿼리에 관해, ReLU-GNN이 {TrReLU,id}-GNN보다 엄밀하게 더 높은 표현력을 가진다는 것을 함의한다.
We address the use of large language models (LLMs) to help discover Isabelle proofs. An Isabelle build establishes that the submitted theory is accepted, but not that an LLM changed only what the developer authorised. We present CAPRI, a contract-aware repair workflow in which Isabelle checks the proof and an independent checker enforces a machine-readable edit contract. Prompts, proposals, candidate repositories, diagnostics, verdicts, and hashes are retained for audit. We evaluate five workflows on twelve failed proofs from four developments, with three replicates per task and condition, giving 180 runs and 138 valid repairs. Of 144 terminal candidates accepted by Isabelle, six had modified protected text; all arose in iterative workflows that could edit a complete theory. A proof-body-only interface produced 29/36 valid repairs and no contract violations, compared with 31/36 for the corresponding full-theory workflow. One-shot repair produced 22/36, while a later prospectively frozen iterative workflow produced 32/36; these figures compare complete workflows rather than individual mechanisms. A separate post hoc OpenRouter campaign found no improvement in the designated Luna comparisons. A Sol configuration with matched demonstrations produced 33/36 repairs, compared with 29/36 in the frozen OpenAI Responses condition, but the difference was not statistically significant in a one-sided exact McNemar test ($p=0.0625$).
GK는 질의 지향(query-directed) 1차 논리 증명기로, 일반적인 리졸루션 기반 증명 탐색을 명시적인 긍정 및 부정 주장(claim), 수치적 신뢰도 값, 그리고 예외를 가진 우선순위 기본 규칙(default rule)으로 확장한다. 이 증명기는 등호와 함수 항을 포함한 비기저(non-ground) 절을 직접 다룬다. 후보 증명은 유界 1차 논리 증명 탐색으로 찾으며, 기본 규칙의 예외 조건은 추가적인 유界 탐색으로 검사하고, 예외 자체가 기본 규칙에 의존하는 경우에는 이를 재귀적으로 수행한다. 이를 통해 유한한 전역 기저화(grounding)를 요구하지 않으면서도, 불완전한 탐색은 불완전하다고 보고할 수 있다. 본 논문은 이 프레임워크에 구조 보존 정량 보고(structure-preserving quantitative reporting)를 추가한다. 보존된 증명 이력(proof history)은 두 가지 계산에 사용된다. 첫 번째는 각 증명이 사용한 불확실한 기저 전제를 재구성하고, 공유된 전제를 독립적으로 세지 않으면서 보존된 증명 중 적어도 하나가 성립할 확률을 계산한다. 두 번째는 중간 원자(atom)에서 긍정 및 부정 근거를 해소(resolve)한 뒤 그 근거를 이후 규칙으로 전파하며, 동일한 계산으로 개별 규칙 적용에 대한 불확실한 예외 조건도 평가한다. 보고서는 긍정 근거, 부정 근거, 충돌, 무지(ignorance)를 구분하여 제시하고, 탐지된 불완전한 계산이나 대체(fallback) 처리를 식별한다. 구현은 증명 탐색 이후 유界 재구성과 의존성 순회를 수행하며, 여전히 전역 기저화를 필요로 하지 않는다. 해석적 예제와 독립적인 시뮬레이터는 명시된 부분 집합(fragment)에서 기준 계산을 재현한다. 확률 논리, 확률적 ASP, 기본 논리(default logic), 목표 지향 ASP와의 비교를 통해 일치하는 경우, 의미론적 차이, 지원되지 않는 변환, 불완전한 계산의 사례를 확인한다.
기관 정책은 자연어로 남아 있는 반면, 준수 여부를 검사하는 시스템은 기계 판독 가능한 제약을 요구한다. 그 간극을 메우는 작업은 여전히 수작업으로 이루어진다. PolicyKG는 이 루프를 닫는다. 이는 정책 PDF를 읽고, 각 문장을 의무(obligation), 허가(permission), 금지(prohibition)로 분류하며, 레이블을 1차 의무논리(first-order deontic logic)로 승격한 뒤 SHACL 제약을 출력하는 LLM 파이프라인이다. 네 단계가 LangGraph 상태 머신에서 단계별 검증기와 함께 실행된다. 가장 중요한 구성 요소는 Corpus Adapter로, LLM 술어를 대상 온톨로지에 그라운딩하는 YAML 어휘 레지스트리이다. 새 도메인으로 재타깃팅하려면 모델을 재학습하는 것이 아니라 레지스트리를 교체하면 된다. Asian Institute of Technology Policies and Procedures 코퍼스(1,663문장, 443규칙)에서 PolicyKG는 덕틱 분류 정확도 86.9%(Cohen's kappa = .709)에 도달한다. 세 명의 주석자가 50개 항목 표본을 독립적으로 재라벨링하였으며 Fleiss' kappa = .844로 일치한다. 69-shape 부분집합에서 SHACL shape 정확도는 F1 = .866이다. FOL 경로는 규칙의 79.2%를 처리하고, 나머지는 직접 NL-to-SHACL 폴백을 거친다. 443규칙 전부에 대해 2차 이상 구문을 감사하였다. 자동화된 정규식 체크리스트는 아무 것도 플래그하지 않았고, FOL 폴백 92건에 대한 제1저자 1차 검토도 동일하게 확인하였다. 실제 HOL 비율에 대한 정확한 상측 95% Clopper-Pearson bound는 0.67%이다. 이는 하나의 코퍼스에 대한 감사 결과이며, 기관 정책에 대한 FOL의 충분성에 대한 증명은 아니다. AIT 레지스트리를 GDPR 레지스트리로 교체하면 정확한 속성 정렬이 1/15에서 11/15로 상승한다(Fisher's exact p < .001; Cohen's h = 1.53). LexDeMod 임대 계약 벤치마크(N = 200)에서 Macro F1은 .370까지 하락하는데, 이는 임대 영어가 허가를 표현할 때 "shall be entitled"를 사용하기 때문이며—바로 레지스트리 교체가 해결하려는 어휘 불일치이다. 반복 실행 시 해시가 동일한 SHACL 출력이 생성된다.
제약 프로그래밍(Constraint Programming, CP) 솔버의 실행 시간은 대칭성 제거(symmetry breaking), 암시적 제약(implied constraints), 전역 제약(global constraints), 제약 재구성(constraint reformulation), 변수 표현 등 모델링 선택에 매우 민감합니다. 이러한 제약 모델을 개선하려면 전통적으로 인간 전문가의 지식이 필요했으며, 기존의 자동 재구성 시스템은 사람이 직접 만든 변환 규칙의 사전 정의된 라이브러리에 국한되어 있습니다. 본 논문은 이와 달리 개방형 공간에서 제약 모델을 재구성하고, 구성에 의한 보장이 아니라 경험적으로 정확성을 확인하는 에이전트 프레임워크를 제안합니다. 대규모 언어 모델(LLM) 에이전트는 모델 하나와 세 개의 학습 인스턴스를 입력받아 대안 정식화를 제안하고, 각 정식화의 해를 원래 모델에 다시 주입하여 검증하며, 실패를 진단하고 수정하여, 중앙값 기준 약 15분 만에 찾아낸 최선의 변형을 반환합니다. 모델은 CPMpy 모델링 라이브러리로 표현되며, 제안된 각 모델은 더 큰 세 개의 테스트 인스턴스에서 평가됩니다. 아홉 가지 조합 최적화 문제에 걸쳐, 생성된 모델은 27개 테스트 인스턴스 중 21개에서 원본보다 우수한 성능을 보였으며, 일부 문제에서는 두 자릿수 배(two orders of magnitude) 이상 더 빠르게 해를 구했습니다. 동일한 검증 및 선택 도구를 재사용하는 비에이전트 방식 베이스라인과 비교한 결과, 성능 향상은 단순히 여러 후보를 샘플링한 데서 비롯된 것이 아니라 에이전트의 반복적인 진단과 수정에서 비롯됨을 시사합니다. 이러한 결과는 자율적인 에이전트 방식이 제약 모델의 개선을 뒷받침할 수 있음을 보여줍니다.
본 논문에서는 서로 다른 기초 온톨로지(foundation ontology)를 기반으로 하는 상이한 데이터 소스 간의 시맨틱 매핑 검증(validation)을 위한 새로운 방법론의 기초 원리를 논의한다. 이 방법론은 온톨로지의 형이상학적 개입(metaphysical commitments)을 바탕으로 프레임워크를 구축한다. 우리는 IES와 BFO 간 매핑의 테스트 케이스를 예시로 제시하며, 특히 두 온톨로지 간 매핑에 카디널리티(cardinality) 제약 조건을 부여하는 데 초점을 맞추었다. 제안하는 방법의 적용 가능성을 입증하기 위해, 매핑 파이프라인의 결과를 검증하는 SPARQL 쿼리를 통해 이러한 원리들이 어떻게 실행 가능한 형태로 구현될 수 있는지를 제시한다.