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.
우리는 수학자가 AI 시스템을 지휘하는 방식으로 Lean 4 증명 보조기에서 연구 결과를 형식화하고, 이 활동을 형식화 게임으로 규정한다. 목표는 LaTeX 문서를 Lean으로 변환하는 것이다. 개발 결과가 컴파일되고, sorry가 없으며, 기계 검사를 통해 목표 정리들이 Lean의 공리적 기반에만 의존함이 확인될 때 게임은 승리한다. 재사용성은 우리가 도입한 정의에 의한 두 번째 검증 기준으로, 해당 개발이 더 넓은 라이브러리가 흡수할 수 있는 범용 수학의 자립적 층을 산출하는지를 묻는다. 사례 연구는 Dobrushin의 평균장 경로를 통한 비선형 블라조프(Vlasov) 방정식의 적절성(well-posedness)에 대한 완전하고 공리-순수(axiom-clean)한 형식화이다. 여기에는 존재성, 유일성, 안정성 추정, 평균장 극한, 그리고 단기 구간 중첩 원리(약한 해는 라그랑지안임)가 포함된다. 인간의 역할은 증명을 작성하는 것이 아니라 지휘하는 것이었다: 정의의 범위를 설정하고, 분해 방향을 조종하며, 라이브러리의 공백을 분류하는 것이었고, AI 에이전트가 실행을 담당했다. 형식화는 작성된 각 명제의 증명을 인증하며, 작성된 명제가 의도된 정리인지 여부는 수학자의 판단에 남는다. 빌드 과정에서 파생된 최적 수송(optimal transport) 기계류(특히 Wasserstein-1 거리의 속성과 Kantorovich-Rubinstein 쌍대성 정리)는 Mathlib만을 대상으로 컴파일되는 자립적 층으로 분리된다: 개발의 약 6분의 1(299개 선언 중 49개)로, 역방향 의존성이 없는 22개 선언 인터페이스 뒤에 위치한다. 주요 정리들은 약 1주일이 걸렸고, 전체 개발에는 약 한 달이 소요되었다. 정량적 주장들은 일반 법칙이 아닌 하나의 게임에서의 관찰로 보고한다. 게임의 규칙은 특정 시스템을 명시하지 않으므로, 방법론적 틀은 어느 한 번의 실행 도구들보다 오래 지속되도록 의도되었다.
대규모 언어 모델(LLM)은 수학적 추론 능력이 점점 향상되고 있지만, 생성된 증명은 신뢰하기 어렵고 검증이 까다로운 경우가 많다. Lean 4와 같은 대화형 정리 증명기(interactive theorem prover)는 커널 검증 증명만을 허용함으로써 이 문제를 해결하지만, 그 적용 범위는 형식화된 지식의 양에 의해 제한된다. Lean 4의 형식화된 정리 저장소인 Mathlib는 다양한 수학 분야를 다루지만, 특정 전문 분야는 아직 충분히 표현되지 않았다. 특히 단어 조합론(Combinatorics on Words, CoW) 분야가 그러하다. CoW는 수열을 연구하며, 주기성(periodicity), 경계(borders), 켤레(conjugacy), 형태소(morphisms) 등의 성질을 탐구한다. 그 결과, Mathlib 중심 데이터로 학습된 특화 증명기들은 CoW 영역에서 필요한 보조 정리(lemma)를 갖추지 못하고 있다. 본 논문은 두 가지 기여를 제시한다. 첫째, 8개의 모듈과 핵심 정의 및 기초 보조 정리로 이루어진 \textbf{93}개의 선언을 포함하는 CoW의 Lean 4 형식화를 소개한다. 둘째, 증명기를 미세조정하는 대신 추론 시점에 온톨로지(ontology)를 통해 명시적이고 구조화된 도메인 지식을 제공함으로써 커널 검증된 Lean 4 증명을 합성하는 멀티 에이전트 프레임워크인 LAMP를 제안한다. LAMP는 Model Context Protocol(MCP) 기반의 도메인 특화 CoW 온톨로지 접근을 통해 Planner, Builder, Verifier 에이전트를 조율한다. 8개 모듈 전체와 세 가지 난이도 수준에 걸친 90개의 CoW 정리 집합에서, LAMP는 정리의 96.7%에 대해 검증된 증명을 합성하여 스캐폴딩 없는 기준선(baseline) 및 기존 특화 증명기를 크게 상회하였다. 에이블레이션(ablation) 실험에 따르면, LAMP의 도구 기반 아키텍처 또는 Planner/Builder 분리 구조를 제거할 경우, 백본 모델을 고정한 상태에서도 각각 약 12 퍼센트포인트의 성능 저하가 발생하였다.
수학 AI의 강화학습·에이전트 증명·데이터셋 큐레이션 워크플로가 요구하는 대규모·고처리량 Lean 4 증명 검증과 조작을 위해, AXLE(Axiom Lean Engine)는 엄격한 증명 검증·메타데이터 추출·증명 수리 등 14개 메타프로그래밍 도구를 요청 단위 격리와 다중 Lean 4/Mathlib 버전을 지원하는 다중 테넌트 클라우드로 제공한다. 공개 무료 서비스로 5억 건 이상 요청을 처리했으며, Axiom Math의 2025 Putnam 12/12 성과를 포함한 자동 증명 파이프라인의 기반 인프라로 운영된다.
경험적 과정 이론에 기반한 통계적 학습 이론(SLT)의 첫 번째 포괄적인 Lean 4 형식화를 통해 Gaussian Lipschitz concentration 및 Dudley's entropy integral theorem 등을 구현했다. 인간과 AI의 협업 워크플로우를 통해 검증된 도구상자를 구축하여 기존 교재의 암묵적 가정을 해결하고 머신러닝 이론의 재사용 가능한 형식적 기반을 마련했다.