|잡돌쌤•2026-03-23•2분 소요

기존 LLM 기반 접근과 단독 Sledgehammer를 크게 넘은 결과거든요

💡 한줄 요약|기존 LLM 기반 접근과 단독 Sledgehammer를 크게 넘은 결과거든요.

Stepwise가 시스템 검증 자동화에서 seL4 정리의 최대 77.6%를 증명했어요. 기존 LLM 기반 접근과 단독 Sledgehammer를 크게 넘은 결과거든요.

이 프레임워크는 신경망+기호 추론을 결합한 방식이에요. 증명 상태 트리를 best-first로 탐색하면서 LLM이 다음 증명 스텝 후보를 내고, 거절된 스텝은 ITP 도구로 복구해요.

또 proof state-step 데이터로 LLM을 파인튜닝하고, Isabelle REPL에서 세밀한 증명 상태를 노출해 필터링·랭킹·서브골 자동 해결까지 붙였어요. seL4뿐 아니라 추가 Isabelle 벤치마크에서도 일반화 성능을 보였어요.

의미는 분명해요. 대규모 소프트웨어 검증이 수작업 중심에서 자동 탐색 중심으로 넘어갈 현실적인 경로가 열리고 있다는 점이에요.

이 글이 어땠나요?

관련 글

이 논문은 대회형 수학이나 정형 정리증명 대신, 장기 추론·문헌 근거·반복적 증명 수정이 필요한 연구 문제를 겨냥했어요

이 논문은 대회형 수학이나 정형 정리증명 대신, 장기 추론·문헌 근거·반복적 증명 수정이 필요한 연구 문제를 겨냥했어요.

잡돌쌤2분 소요

기존 SHAP은 컴포넌트 조합을 계속 평가해야 해서, 서드파티 API·불투명 엔드포인트 환경에선 한계가 컸거든요

기존 SHAP은 컴포넌트 조합을 계속 평가해야 해서, 서드파티 API·불투명 엔드포인트 환경에선 한계가 컸거든요.

잡돌쌤2분 소요

arXiv 2605.22883은 A-LEMS라는 측정 프레임워크로 EpG(Energy per Successful Goal)를 제안했어요

arXiv 2605.22883은 A-LEMS라는 측정 프레임워크로 EpG(Energy per Successful Goal)를 제안했어요.

잡돌쌤2분 소요