AIが解く世界の難問 · 計算機科学の理論 · arXiv · 2026-10-20
人間が書いた推論の参照データを検証する
原題: Verifying Human-Written Reasoning References
AIの推論を評価する際に用いられる、人間が書いた推論の参照データは、各ステップの論理的根拠が検証されていないことが多い。本研究は、LLMで結論を一階述語論理に変換しZ3で含意を検査する手法を用い、P-FOLIOの386件の導出を検証した。その結果、202件（52.3%）が全基準を満たし、根拠と合わなかった230ステップのうち191は完全な前提と照合すると含意が成立した。