AI और दुनिया की कठिन समस्याएँ · सैद्धांतिक कंप्यूटर विज्ञान · arXiv · 2026-10-22

Lean4Agent: एजेंट वर्कफ़्लो और ट्रैजेक्टरी के लिए औपचारिक मॉडलिंग और सत्यापन

मूल शीर्षक: Lean4Agent: Formal Modeling and Verification for Agent Workflow and Trajectory

Lean4Agent Lean4 का उपयोग LLM एजेंट वर्कफ़्लो को औपचारिक रूप से मॉडलित करने, स्पष्ट पूर्वधारणाओं के अंतर्गत उनकी शब्दार्थिक सुसंगति सत्यापित करने, और ट्रैजेक्टरियों से निष्पादन विफलताओं का स्थान पता लगाने के लिए करता है। इसके बाद LeanEvolve सत्यापन परिणामों का उपयोग वर्कफ़्लो को संशोधित करने के लिए करता है। SWE-Bench-Verified और ELAIP-Bench के उपसमुच्चयों पर पाँच LLMs में किए गए प्रयोगों में पाया गया कि सत्यापन उत्तीर्ण करने वाले वर्कफ़्लो ने विफल रहने वाले वर्कफ़्लो से औसतन 11.94% बेहतर प्रदर्शन किया, जबकि LeanEvolve ने SWE प्रदर्शन को औसतन 7.47% और सुधारा।

मूल लेख पढ़ें ↗

सभी आइटम →