이 논문은 템플릿 방식의 경직성과 순수 신경망의 불확실성을 동시에 줄이려는 접근이에요

자연어 요구사항을 LTL로 바꾸는 NeuroNL2LTL이 신경망 번역과 형식 검증을 한 시스템에 묶었어요.

이 논문은 템플릿 방식의 경직성과 순수 신경망의 불확실성을 동시에 줄이려는 접근이에요. 중간표현을 거쳐 LTL로 구조 보존 매핑하고, 출력마다 satisfiable·non-trivial 체크를 수행해요.

또 verifier-in-the-loop 학습으로 검증 결과를 강화학습 보상으로 쓰고, 실패에 가까운 출력은 minimal-edit로 자동 보정해요. 20만+ 요구사항(항공우주·로보틱스·자율주행 포함 14개 도메인)에서 의미 동등성 28%, satisfiable 검증 통과 86%를 기록했어요.

핵심은 정확한 문장 생성보다 검증 가능한 명세를 우선 최적화해, 안전중요 개발에서 실사용 가능성을 끌어올렸다는 점이에요.