AIが解く世界の難問 · 数学 · arXiv · 2026-10-23
LLM判定を超えて：エージェント型自動形式化のための機械的検証
原題: Beyond LLM Judge: Mechanical Verification for Agentic Autoformalization
Leanによる形式化をLLMが判定する忠実性評価を超える検証手法を提案したものである。LLMによる意味的レビューと、数値的および空虚性の機械的検査を組み合わせる。この手法と抽出・検証・証明の自動形式化パイプラインを用いて、NIST Digital Library of Mathematical Functionsを部分的に形式化したFormalized Library of Mathematical Functions（FLMF）を構築した。3つのラベル付きデータセットでは、評価した手法の中で不正な記述を受け入れた割合が最も低かった。専門家のレビューでは、既存のデータセットに翻訳と出典の欠陥も見つかった。