RMA: 문맥 조율 기반의 연구용 수학 에이전트
RMA: Context-Orchestrated Research Math Agents
장기적(Long-horizon) 수학적 추론이 실패하는 원인은 모델이 유효한 다음 단계를 생성하지 못해서라기보다는, 에이전트가 여러 반복 과정에 걸쳐 적절한 의미론적 상태(semantic state)를 유지하고 노출하지 못하기 때문인 경우가 더 많습니다. 이를 관리하지 않고 방치하면 국소적으로는 설득력 있어 보이지만 전역적으로는 불완전한 연구 수준의 증명이 생성됩니다. 즉, 핵심 보조정리가 증명되지 않거나, 가정이 검증되지 않거나, 인용이 뒷받침되지 않거나, 계산적 주장이 검증되지 않은 상태가 발생합니다. 본 논문에서는 영속적이고 유형화된(typed) 연구 저장소와 해당 저장소로부터 연산별 문맥을 컴파일하는 조율기(orchestrator)를 중심으로 구축된 장기적 증명 개발을 위한 에이전트 프레임워크인 Research Math Agents(RMA)를 제시합니다. 연구 문맥 조율기(Research Context Orchestrator)는 영속적인 연구 저장소와 국소적 범위의 각 증명 연산 사이에서 중심 상태 관리 층(layer) 역할을 수행합니다. 즉, 과업과 관련된 아티팩트를 검색하고, 이를 제한된 문맥으로 컴파일하며, 적절한 연산을 호출하고, 그 결과로 생성된 증명 수정 사항, 이슈 업데이트, 문헌 노트, 계획 또는 평가를 저장소에 다시 기록합니다. 이 프로세스는 증명 개정판, 미해결 이슈, 이전 시도, 문헌 및 평가를 여러 라운드에 걸쳐 유지하는 동시에 각 국소적 연산에는 과업과 관련된 상태만을 노출하도록 설계되었습니다. 저자들은 독립적인 전문가 평가, 수학자 블라인드 리뷰, 대규모 언어 모델(LLM) 기반 벤치마크 평가, 그리고 Lean 4 커널 검증을 활용하여 상호보완적인 연구 수준의 환경 전반에서 RMA를 평가합니다. RMA는 독립적으로 평가된 SOOHAK Challenge Hard 세트에서 42.5%의 해결률을 달성하고, 인간 전문가 평가 하에 First Proof B1에서 10개 중 8개의 정답 솔루션을, B2에서 10개 중 8개의 통과 솔루션을 획득했으며, Formal Conjectures에서 표본 추출된 300개의 Research Solved 대상 중 213개를 Lean 4 커널로 검증했습니다.