AI dan Masalah-Masalah Sulit Dunia · Ilmu komputer teoretis · arXiv · 2026-10-22
Lean4Agent: Pemodelan Formal dan Verifikasi untuk Alur Kerja dan Trajektori Agen
Judul asli: Lean4Agent: Formal Modeling and Verification for Agent Workflow and Trajectory
Lean4Agent menggunakan Lean4 untuk memodelkan alur kerja agen LLM secara formal, memverifikasi konsistensi semantiknya di bawah asumsi eksplisit, dan melokalisasi kegagalan eksekusi dari trajektori. LeanEvolve kemudian menggunakan hasil verifikasi untuk merevisi alur kerja. Eksperimen pada lima LLM di atas subset SWE-Bench-Verified dan ELAIP-Bench menemukan bahwa alur kerja yang lolos verifikasi mengungguli alur kerja yang gagal rata-rata 11.94%, sementara LeanEvolve lebih lanjut meningkatkan kinerja SWE rata-rata 7.47%.