본 기사는 총 4회에 걸친 연재 기사의 세 번째 글입니다.
연재 첫 회차에서는 시간 순서 기록을 다루었으며, 제2회차에서는 AI의 내부 구조를 다루었습니다.
세 번째가 되는 이번 편에서는 이 분야를 누가 움직이고 있는지를 다룹니다.
주도하는 연구자와 기관. 그리고 일본, 미국, 중국, 프랑스, 폴란드, 독일의 동향을 국가 정책과 실제 연구 양면에서 살펴봅니다.
참고로, 부 번호는 총 4회에 걸친 연속 번호입니다. 이 글은 제11부와 제12부에 해당합니다. 기사 말미에는 번호를 매기지 않은 보충 설명을 배치했습니다.
본 기사의 정보는 2026년 11월 시점의 것입니다. 이 분야는 발전 속도가 빠르므로 공개 후에 상황이 바뀔 가능성이 있습니다.
독자 스스로가 이 분야를 추적할 수 있도록 주요 연구자와 기관을 정리해 두었습니다.
이 분야의 최고 주자들이 다음 두 대학에서 배출되었습니다.
Mateja Jamnik ── 케임브리지 대학교, 인공지능 교수
Albert Q. Jiang (Albert Qiaochu Jiang) ── 케임브리지 대학교
Wenda Li ── 에든버러 대학교
이 세 명 중 누군가가 관여한 연구를 시간 순서대로 나열해 보겠습니다.
| 연도 | 연구 | 내용 | 세 명 중 누가 |
|---|
| 2021년 | LISA | Isabelle의 증명을 언어 모델로 학습 | Jiang, Li |
| 2022년 | Thor | 언어 모델과 자동 증명기 통합 | Jiang, Li, Jamnik |
| 2022년 | Draft, Sketch, and Prove | 골격을 그리고 빈틈을 채우기 | Jiang, Li, Jamnik |
| 2023년 | Magnushammer | 전제 선택에 Transformer 사용 | Jiang |
| 2023년 | Llemma | 수학에 특화된 공개 모델 | Jiang |
Isabelle를 대상으로 한 연구가 이 계보의 중심에 있습니다.
참고로, Magnushammer와 Llemma는 세 명 중 Albert Q. Jiang만이 공동 저자입니다.
과거에 공개된 기사에서 다룬 Isabelle의 메커니즘이 그대로 연구의 토대가 되고 있는 것입니다.
Sean J. Welleck ── 조교
Draft, Sketch, and Prove의 공동 저자이며, 그 이후에도 지속적으로 이 분야의 연구를 이어가고 있습니다.
Yuhuai (Tony) Wu ── xAI의 공동 창업자
LISA, Thor, Draft, Sketch, and Prove 모두에 이름을 올렸습니다. 이 분야 초기부터 관여했으며, 이후 AI 기업 창업으로 나아간 인물입니다.
Guillaume Lample ── Mistral AI
HyperTree Proof Search의 주 저자. Draft, Sketch, and Prove의 공동 저자이기도 합니다.
Piotr Miłoś ── Mistral AI 및 바르샤바 대학교
Timothée Lacroix ── Mistral AI의 공동 창업자이자 최고 기술 책임자(CTO). Meta의 FAIR 출신이며, LLaMA의 공동 저자이기도 합니다.
Christian Szegedy ── 연구자. 딥러닝 분야에서 폭넓게 알려진 인물이 이 분야에도 관여하고 있습니다.
Jesse Michael Han ── 피츠버그 대학교. GPT-f의 공동 저자이며, LISA에도 참여했습니다.
Google DeepMind ── AlphaProof, AlphaGeometry, AlphaProof Nexus
AlphaProof Nexus의 주 저자인 George Tsoukalas는 2024년 PutnamBench의 저자이기도 합니다. 문제집을 만든 사람이 그 문제를 푸는 메커니즘까지 만들고 있는 것입니다.
같은 논문에는 Pushmeet Kohli (Google DeepMind 연구 책임자)의 이름도 보입니다.
OpenAI ── GPT-f (Stanislas Polu, Ilya Sutskever)
DeepSeek ── DeepSeek-Prover 시리즈
ByteDance Seed ── Seed-Prover
Numina와 Kimi ── Kimina-Prover
프린스턴 대학교 등 ── Gödel-Prover
스탠퍼드 대학교 ── STP (Kefan Dong, Tengyu Ma)
칭화대학교와 화웨이 ── ProofAug (Haoxiong Liu, Jiacheng Sun, Zhenguo Li, Andrew C. Yao)
Andrew C. Yao는 튜링상 수상자입니다.
2020년 GPT-f (Polu, Sutskever, Han)
│
├─→ 2021년 miniF2F (Zheng, Han, Polu)… 자(物差し)가 만들어지다
...
이 그림에서 읽어낼 수 있는 것이 있습니다.
GPT-f의 저자인 Jesse Michael Han은 LISA에도 참여했습니다.
그리고 LISA를 거쳐 Thor, Draft, Sketch, and Prove, Magnushammer 등으로 같은 연구자들이 이어지고 있습니다.
소수의 연구자가 이 분야를 개척해 왔다는 것을 알 수 있습니다.
타로:
선생님, 여기까지 연구자와 기관을 살펴보았습니다. 하지만 '어느 국가가 주도하고 있는가'라는 질문에 숫자로 답할 수는 없는 것일까요?
전임 강사:
부분적으로는 가능합니다.
타로:
부분적이라니요.
전임 강사:
저자의 소속 국가를 기계적으로 셀 수는 없습니다. 논문 목록에 소속이 기재되어 있지 않기 때문입니다. 또한, 이름만으로 출신지를 추측하여 세는 방법은 취해서는 안 됩니다.
타로:
그렇다면 무엇을 셀 수 있나요?
전임 강사:
어떤 정리 증명 보조 시스템(Theorem Proving Assistant)을 대상으로 한 연구가 몇 건 존재하는지입니다.
타로:
……그것이 국가 이야기와 어떻게 연결되나요?
전임 강사:
연결됩니다. 처리 시스템에는 그것을 만든 나라가 있기 때문입니다.
Isabelle은 영국과 독일. Coq는 프랑스. Mizar는 폴란드입니다.
타로:
만든 나라와 사용되는 곳을 비교할 수 있다는 말씀이군요.
전임 강사:
맞습니다. 세어봅시다.
COLM 2024 조사 논문에 첨부된 논문 정리 목록을 사용합니다. 심층 학습(Deep Learning)과 정리 증명에 관한 연구가 대상 처리 시스템별로 분류되어 모여 있습니다.
"""
정리 증명 보조 시스템별로, 심층 학습을 활용한 연구가 몇 건 존재하는지 센다.
데이터: Deep Learning for Theorem Proving (DL4TP) 논문 목록
...
"""
논문 수(중복 제외): 208
--- 대상 처리 시스템별 논문 수 ---
처리 시스템 논문 수 만든 국가
...
첫째, 2022년에 단절이 있습니다.
Lean을 대상으로 한 연구는 2021년까지 단 건도 없습니다.
2022년에 6건, 2023년에 17건입니다.
그 해만으로 다른 모든 처리 시스템을 합친 수보다 많습니다.
둘째, 각 처리 시스템에는 수명 같은 형태가 있습니다.
처리 시스템별로 첫해와 마지막 해를 살펴보겠습니다.
| 처리 시스템 | 기간 | 정점 | |
|---|
| Mizar | 2014년~2023년 | 2020년~2021년 (각 4건) | |
| Coq | 2019년~2024년 | 2023년 (6건) | |
| Isabelle | 2021년~2024년 | 2023년 (9건) | |
| Lean | 2022년~ | 지속 중 | |
Mizar가 가장 오래되었고, 2023년을 마지막으로 모습을 감추었습니다.
셋째, 여기가 본고의 주제와 직결됩니다.
처리 시스템을 만든 나라와 연구가 실제로 모이는 처리 시스템은 다릅니다.
폴란드는 Mizar를 만들었습니다. 프랑스는 Coq를 만들었습니다. 영국과 독일은 Isabelle을 만들었습니다.
하지만 연구의 대부분은 Lean으로 옮겨가고 있습니다.
타로:
……기반을 만든 나라가 그대로 연구의 중심이 되는 것은 아니군요.
전임 강사:
그렇습니다. 그리고 그 폴란드나 프랑스의 연구자들은 지금 어디서 무엇을 하고 있을까요? 제12부에서 그것을 살펴보겠습니다.
-
이 목록의 최종 업데이트는
2025년 5월입니다. 2025년 수치는 도중에 이르렀으며, 2026년은 포함되어 있지 않습니다.
-
논문 한 편이 여러 처리 시스템을 대상으로 하는 경우, 각각에 계산했습니다.
이 목록에 포함되지 않은 연구가 있습니다. 포괄적이지 않습니다.
저자의 소속 국가는 집계할 수 없습니다. 논문 목록에 소속 기재가 없기 때문입니다.
출처: Zhaoyu Li, Jialiang Sun, Logan Murphy, Qidong Su, Zenan Li, Xian Zhang, Kaiyu Yang, Xujie Si, "A Survey on Deep Learning for Theorem Proving", COLM 2024. 논문 목록은 zhaoyu-li/DL4TP
지금까지 이 분야를 선도하는 연구자와 기관들을 살펴보았습니다. 다음으로는 국가별 동향을 정리해 가겠습니다.
이 제12부의 목적을 먼저 말씀드리겠습니다.
뉴럴 정리 증명(Neural Theorem Proving)은 단일 기업의 연구가 아닙니다.
여러 국가, 여러 연구 공동체 간의 경쟁이 되고 있습니다.
이것을 확인하는 것이 이 제12부의 목적입니다.
그리고 또 하나.
국가 전략으로 추진되고 있는지, 아니면 개별 기업과 대학이 독립적으로 움직이고 있는지 여부입니다.
나라마다 그 모습이 다릅니다.
국가 전략으로서의 측면과 실제로 무슨 일이 일어나고 있는 것.
이 두 가지는 반드시 일치하지 않습니다.
먼저, 일본의 상황부터 살펴보겠습니다.
타로 군: 선생님, 일본 연구자들은 이 분야에서 무언가를 하고 있나요?
전임 강사: 하고 있습니다. 그리고 세계적인 성과를 내고 있습니다.
타로 군: ……몰랐습니다.
전임 강사: Prover Agent라는 프레임워크에 대해 알고 있습니까?
타로 군: 아니요.
전임 강사: 교토대학교, 도쿄대학교, 국립정보학연구소 등의 공동 연구입니다. 2025년 6월에 발표되었으며, 기계 학습의 주요 학회인 ICML 2025에 채택되었습니다.
타로 군: 어떤 연구인가요?
전임 강사: 8B, 즉 80억 파라미터(parameter)라는 소형 모델과 Lean을 협력하게 하는 것입니다.
타로 군: 소형이군요. 중국의 DeepSeek-Prover-V2는 671B였는데요.
전임 강사: 그것의 80분의 1 이하입니다.
타로 군: 그래서, 성적은요?
전임 강사: miniF2F에서 88.1%입니다.
타로 군: ……671B 모델이 88.9%였죠.
전임 강사: 거의 동등합니다. 그리고 소형 언어 모델을 사용하는 방법 중에서는 세계 최고 수준의 성적으로 평가받고 있습니다.
타로 군: 시도 횟수는요?
전임 강사: 2,000회입니다. 기존 방식이 8,192회를 필요로 했던 것에 비해 4분의 1로 줄였습니다.
타로 군: IMO 문제에 대해서는 어떤가요?
전임 강사: IMO 문제 분류에서는 80%를 넘겼습니다. 최근 10년간 금메달의 경계선이 평균적으로 69.5%입니다.
타로 군: ……금메달 상당이라는 건가요?
전임 강사: 그렇게 평가받고 있습니다. 그리고 PutnamBench에서도 25문제를 풀었습니다.
출처: Kaito Baba, Chaoran Liu, Shuhei Kurita, Akiyoshi Sannai, "Prover Agent: An Agent-Based Framework for Formal Mathematical Proofs", arXiv:2506.19923, ICML 2025
참고로 코드는 공개되어 있습니다.
타로 군: 선생님, 왜 소형 모델로 그렇게 높은 성적을 낼 수 있는 건가요?
전임 강사: 이 프레임워크에는 특징적인 메커니즘이 있습니다.
타로 군: 무엇인가요?
전임 강사: 보조적인 보조정리(lemma)를 스스로 생성하는 것입니다.
타로 군: 보조정리를 생성한다고요.
전임 강사: 그리고 그 보조정리는 '증명 부분 목표'에 국한되지 않습니다.
**논문에는 이렇게 쓰여 있습니다.
이러한 보조 보제(auxiliary lemmas)는 형식적 증명에서의 부분 목표에만 국한되지 않으며, 가정으로부터 도출될 수 있는 특수한 경우나 잠재적으로 유용한 사실들을 포함할 수도 있습니다. 이는 실행 가능한 증명 전략을 발견하는 데 도움을 줍니다.
필자의 일본어 번역
이러한 보조적인 보제는 형식적인 증명에서의 부분 목표에만 국한되지 않습니다. 특수한 경우나 가정으로부터 도출될 수 있는 유용할 수 있는 사실들을 포함할 수도 있습니다. 이것들이 실행 가능한 증명의 전략을 찾는 데 도움을 줍니다.
출처: 같은 자료
타로 군:
...선생님, 이건요.
전임 강사:
눈치채셨군요.
타로 군:
'가정으로부터 도출될 수 있는 유용할 수 있는 사실'을 AI가 스스로 생성하고 있습니다.
전임 강사:
처음에 다루었던 논점과 연결되어 있습니다.
타로 군:
예측을 한다는 말씀이신가요?
전임 강사:
그렇게까지 말하는 것은 지나칩니다. 이것은 주어진 문제를 풀기 위해 중간의 발판을 스스로 만들고 있는 것입니다.
하지만, '주어진 경로를 따라가는 것'과는 명확히 다릅니다.
타로 군:
과연요.
전임 강사:
Prover Agent의 입력・출력・학습 데이터
입력 ── Lean 4 정리의 주장.
출력 ── Lean 4 증명. 그리고 그 과정에서 보조적인 보제도 생성합니다.
학습 데이터 ── 8B 소형 모델을 사용했습니다. 전용 대규모 학습은 진행하지 않았습니다.
그리고 이 프레임워크에는 세 가지 역할이 배치되어 있습니다.
일상 언어로 추론하는 거대 언어 모델* 형식적인 증명을 작성하는 모델* Lean으로부터의 응답
이 세 가지를 협조시켜, 나아가 보조적인 보제를 생성합니다.
타로 군:
과거에 공개된 기사 '【전체 2회 연재 (1회차)】 코드인데도 수학 증명문처럼 읽힌다 ── AI가 증명을 쓰는 시대에 주목해야 할 Mizar・Isabelle・Lean 4의 선언적 스타일 표기법'에서 본 구도와 비슷하네요.
전임 강사:
맞습니다. 일상 언어로 논리를 생각하고, 형식 언어로 작성하며, 처리계가 검사합니다.
그리고 잘되지 않으면 더 세밀한 보제로 분해합니다.
타로 군:
어떤 분이 진행하고 계신 건가요?
전임 강사:
산나이 아키요시(三内顕義) 씨입니다.
교토대학 대학원 물리학 연구과 학습물리학 특별강좌의 특정 준교수이며, 국립정보학연구소 거대 언어 모델 연구개발센터의 객원 준교수를 겸하고 있습니다.
타로 군:
수학 연구과이군요.
전임 강사:
그렇습니다. 그리고 이렇게 말했습니다.
작은 AI와 형식 증명을 결합함으로써, 수학 올림피아드급 난제를 고속으로 풀 수 있다는 것은 솔직히 놀라웠다고 합니다. 앞으로는 교육 현장에서 'AI와 함께 증명을 배우는' 시대를 열고 싶습니다.
출처: 소형 AI 에이전트로 환각(hallucination) 없는 수학 증명, 교토대학 물리학 연구과, 2025년 7월 9일
타로 군:
'교육 현장에서'라고 되어 있네요.
전임 강사:
프랑스의 동향과 같은 방향입니다. 이 점은 나중에 언급하겠습니다.
타로 군:
선생님, 일본과 관련된 움직임은 더 있나요?
전임 강사:
흥미로운 실험이 있습니다.
2026년 도쿄대학의 이과 수학 입시 문제 6문항을 AI에게 풀게 하는 시도입니다.
타로 군:
어떤 AI인가요?
전임 강사:
Harmonic이라는 미국 스타트업이 개발한 Aristotle입니다. Lean으로 검증 가능한 증명의 코드를 생성합니다.
타로 군:
결과는요?
전임 강사:
문제문을 한 문제씩 입력하고, AI를 단 한 번만 실행했습니다. 중간 수정도, 사람의 도움도 없이 그 조건으로 6문제 중 4문제에 대해 완벽한 Lean 증명을 얻었습니다.
타로 군:
남은 2문제는요?
전임 강사:
부분적으로 올바른 증명이 생성되었다고 합니다.
타로 군:
...그 해 도쿄대학 수학은 어느 정도 어려웠던 건가요?
전임 강사:
예비 학교의 강의평에서는 '난이도 상승', '고난도'로 평가받았습니다. 수험생들 사이에서는 '0점 만점도 가능한 세트'라고 들었다고 합니다.
출처: AI는 도쿄대학 수학을 Lean으로 형식 증명할 수 있을까, note, 2026년 3월
타로 군:
선생님, 이건 일본의 연구가 아니죠?
전임 강사:
맞습니다. 미국의 기업 시스템이 일본 입시 문제를 풀었다는 이야기입니다.
다만, 일본어권에서 이 분야가 실제로 시도된 사례로서 기록해 둘 가치가 있다고 생각합니다.
| 주체 | 움직임 |
|---|
| 교토대학・도쿄대학・국립정보학연구소 | Prover Agent. 8B 모델로 miniF2F 88.1%, IMO 문제에서 80% 초과. 소형 모델의 기법으로 세계 최고 수준. 시도 횟수는 기존의 1/4 |
| 미라이 아키노요시 (교토대학) | 연구 주도자. '교육 현장에서 AI와 함께 증명을 배우는 시대를' |
| 치바대학・규슈대학 등 | 형식화에 관한 연구 발표 및 공동 연구가 이루어지고 있음 |
| 입시 문제 검증 | 2026년 도쿄대학 이과 수학 6문제 중, Aristotle이 4문제를 만점(Lean)으로 답함 |
타로 군:
선생님, 일본에는 국가 프로젝트 같은 것이 있나요?
전임 강사:
제가 조사한 범위에서는 이 분야를 명시한 국가 프로젝트는 확인되지 않았습니다.
다만, Prover Agent 연구에는 국립정보학연구소(NII)가 관여하고 있습니다. 국립 연구기관이 이 분야에 인력을 배치하고 있다는 의미입니다.
【필자의 견해】 여기부터는 필자의 의견입니다.
타로 군:
선생님, 일본은 앞으로 어떻게 해야 할까요?
전임 강사:
본 기사에서 본 사실들을 바탕으로 두 가지 방향이 보인다고 생각합니다.
첫째, 계산 자원으로 경쟁하지 않는 길입니다.
Prover Agent는 8B 모델로 88.1%를 달성했습니다. 이는 671B 모델과 거의 같은 수준입니다.
그리고 시도 횟수는 기존의 4분의 1에 불과합니다.
타로 군:
규모가 아니라, 조합 방식에서 승부하는 것이군요.
전임 강사:
그렇게 해석할 수 있습니다. 일상 언어로 추론하는 모델, 형식적인 증명을 작성하는 모델, 그리고 Lean으로부터의 응답. 이 세 가지를 협조시키고 보조적인 보제(auxiliary lemma)를 스스로 생성하게 하는 것입니다.
거대한 모델을 처음부터 훈련시킬 자금이 없더라도, 이 방향이라면 진입할 수 있습니다.
둘째, 교육과의 연결입니다.
타로 군:
미라이 씨의 발언이군요.
전임 강사:
'교육 현장에서 AI와 함께 증명을 배우는 시대를 열고 싶다'.
그리고 본 기사의 프랑스 편에서 보았듯이, 프랑스에서는 대학 1학년에게 증명 지원 시스템을 사용하게 하는 실습이 2022년부터 보고되고 있습니다.
타로 군:
...같은 방향을 바라보고 있네요.
전임 강사:
이 두 가지가 연결될 때 어떤 일이 벌어질까요?
증명 지원 시스템을 사용하며 배운 학생이 그대로 연구에 진입하는 것입니다. 인재의 공급로가 됩니다.
본 기사의 영국 편에서 보았듯이, 케임브리지 출신 연구자들이 배출된 이유 중 하나는 처리 시스템을 만든 사람이 있는 곳에, 그것을 깊이 이해한 사람들이 모였기 때문이었습니다.
타로 군:
일본에는 처리 시스템을 만들어낸 역사가 없네요.
전임 강사:
없습니다. 하지만, 사용하며 배울 장소를 만드는 것은 할 수 있습니다.
다만, 이것은 필자의 견해입니다. 실제로 유효한지 보여줄 자료는 가지고 있지 않습니다.
타로 군:
선생님, 미국은 어떻습니까?
전임 강사:
이 분야의 중심지입니다. 다만, 그 형태가 다른 국가들과 다릅니다.
타로 군:
라고 말씀드리자면.
전임 강사:
국가 프로젝트가 아니라, 기업과 대학이 주도하고 있습니다.
타로 군:
구체적으로는요?
전임 강사:
우선 대기업입니다.
Google DeepMind── AlphaProof, AlphaGeometry, AlphaEvolve, AlphaProof Nexus -
OpenAI── GPT-f (2020년)부터 시작하여, 2026년에는 에르데시 추측의 반증도
다음으로, 이 분야에 특화된 스타트업이 나타나고 있습니다.
타로 군:
스타트업 말씀이신가요?
전임 강사:
Harmonic ── 앞서 언급한 Aristotle을 개발하고 있습니다. IMO 2025에서 금메달 상당의 성과를 형식적인 답안으로 달성했습니다.
**Math, Inc.**는 Gauss라는 시스템을 개발하고 있습니다. 이는 증명을 자동으로 형식화하는 데 특화된 것입니다.
Axiom Math는 Lean 4용 자율형 다중 에이전트 증명기인 AxiomProver를 개발하고 있습니다. 이들은 2026년 7월 국제 수학 올림피아드(IMO)의 문제 6개 전체를 풀었으며, 이는 만점인 42점에 해당한다고 발표했습니다. 생성된 Lean 증명은 GitHub에 공개되어 있습니다.
다만, 이는 자체 신고 성적이며 IMO의 공식 채점을 거친 것은 아닙니다. 이 점은 앞서 언급된 화웨이와 샤오홍슈의 경우와 구분하여 읽어야 합니다.
타로 군:
Math, Inc.라는 곳은요?
전임 강사:
최고경영책임자(CEO)이자 공동 창업자인 Jesse Han이 다음과 같이 설명하고 있습니다.
이는 추론 에이전트(inference agent)라고 불리는 특정 종류의 언어 모델입니다. 전통적인 자연어 기반 추론과 완전히 형식화된 추론을 번갈아 가며 결합하는 것을 목표로 합니다. 문헌 검색을 수행하고, 도구를 호출하며, 계산기를 사용하여 Lean 코드를 작성하고, 메모를 기록하며, 검증 메커니즘을 구축하고, Lean 컴파일러를 실행하는 등의 작업을 할 수 있습니다.
출처: AI and Humans Verify Fields Medal Proof for the First Time, IEEE Spectrum, 2026년 4월
타로 군:
선생님, 이 Jesse Han이라는 분은요?
전임 강사:
제11부에서 소개했듯이 말입니다. 2020년 GPT-f의 공동 저자이며, 2021년 LISA에도 참여했습니다.
이 분야 초기부터 관여해 온 연구자가 지금 회사를 설립하고 있는 것입니다.
타로 군:
대학 쪽은요?
전임 강사:
프린스턴 대학교, 카네기멜런 대학교(CMU), 캘리포니아 공과대학교(Caltech), 텍사스 대학교 오스틴 캠퍼스 등 다수의 기관이 관여하고 있습니다.
제11부에서 소개했던 PutnamBench 역시 텍사스 대학교 오스틴 캠퍼스의 Swarat Chaudhuri 등이 개발한 것입니다.
타로 군:
국가적인 개입은요?
전임 강사:
제가 조사한 범위 내에서는 이 분야를 명시적으로 지정한 국가 프로젝트는 확인되지 않았습니다.
다만, 2023년에 미국 국립 학술원(National Academies)이 '수학적 추론을 지원하는 인공지능'이라는 회의를 열고 그 의사록을 간행했습니다.
출처: Samantha Koretsky (편집), "Artificial intelligence to assist mathematical reasoning: Proceedings of a workshop", National Academies Press, 2023년
타로 군:
학술적인 측면에서 논의의 장이 마련되고 있군요.
전임 강사:
그렇게 해석할 수 있습니다.
타로 군:
선생님, 영국은 어떻습니까?
전임 강사:
이 분야의 초기 형태를 가장 강력하게 형성한 국가입니다.
타로 군:
라고 하시면.
전임 강사:
본 기사의 제11부에서 캠브리지 대학교와 에든버러 대학교의 이름을 언급했습니다.
타로 군:
Mateja Jamnik 교수님, Albert Q. Jiang, Wenda Li요.
전임 강사:
이 세 분 중 누군가가 관여한 연구를 다시 한번 나열해 보세요.
| 연도 | 연구 | 내용 |
|---|
| 2021년 | LISA | Isabelle의 증명을 언어 모델로 학습시킨 초기 연구 |
| 2022년 | Thor | 언어 모델과 자동 증명기의 통합 |
| 2022년 | Draft, Sketch, and Prove | 골격을 그리고 빈틈을 메우기 |
| 2023년 | Magnushammer | 전제 선택에 Transformer 사용 |
| 2023년 | Llemma | 수학에 특화된 공개 모델 |
타로 군:
...이 분야의 주요 연구들이 나열되어 있네요.
전임 강사:
그리고 이 모든 것은 Isabelle을 대상으로 하고 있습니다.
타로 군:
영국의 대학들이 독일에서 개발된 처리계를 사용하고 있다니요.
전임 강사:
거기에는 이유가 있습니다.
Isabelle을 만든 사람은 캠브리지 대학교의 Lawrence Paulson입니다.
타로 군:
……영국의 처리 시스템이기도 한 건가요?
전임 강사:
1986년에 ケンブリッジ 대학교에서 공개되었습니다. 이후, 뮌헨 공과대학교가 개발의 중심에 합류했으며, 현재는 두 대학이 공동으로 유지하고 있습니다.
즉, 영국과 독일의 공동 사업입니다.
타로 군:
그분은 지금도 연구를 하고 계신가요?
전임 강사:
하고 있습니다. ケンブリッジ 대학교의 명예교수이며, 동시에 Amazon Scholar이기도 합니다.
타로 군:
Amazon이요?
전임 강사:
2025년 12월 re:Invent에서 AWS가 Nitro Isolation Engine을 발표했습니다. 이는 Nitro 하이퍼바이저 내에서 가상 머신 간의 격리만을 담당하는 최소한의 구성 요소입니다. 이를 Isabelle/HOL로 형식 검증했다는 내용도 함께 공표되었습니다.
타로 군:
규모는 어느 정도인가요?
전임 강사:
기계적으로 검증된 33만 줄입니다. seL4에 필적하는 규모라고 설명되었습니다. 그리고 2026년 6월, Graviton5를 사용하는 모든 인스턴스에서 일반 제공이 시작되었습니다.
타로 군:
연구가 아니라, 상업용 서비스로서 운영되고 있군요.
전임 강사:
상업용 클라우드에 배치된 최초의 형식 검증 완료 하이퍼바이저라고 합니다.