술어 발명 (Predicate Invention, PI)은 가설 공간 (hypothesis space)을 확장하기 위해 새로운 술어를 생성하는 것으로, 귀납 논리 프로그래밍 (Inductive Logic Programming, ILP)에서 여전히 중요한 병목 현상으로 남아 있습니다. 기존 방법들은 도메인 전문 지식에 의존하며 의미론적으로 불투명한 술어를 생성하여, 익숙하지 않은 도메인에 대한 적응과 태스크 간 재사용을 방해합니다. 우리는 ILP를 위한 LLM 기반 PI 메커니즘인 ADVENT를 제시합니다. ADVENT는 LLM의 가추적 생성 (abductive generation)과 Prolog의 연역적 검증 (deductive verification)을 결합하여, 구체적인 실행 결과가 LLM을 가이드하여 후보 술어를 정교화하는 반복 루프를 형성합니다. 이 메커니즘은 거대 언어 모델 (Large Language Models, LLM)을 활용하여 구조화된 관계형 데이터 내의 암시적 패턴을 식별하고, 의미 있는 이름과 정의를 가진 보조 술어를 발명합니다. 발명된 술어와 학습된 규칙은 태스크 간 재사용을 위해 지식 풀 (knowledge pool)에 축적됩니다. 7개의 LLM을 통해 9개의 포커 핸드 (poker-hand) 개념에 대해 수행한 실험 결과, LLM 기반 PI는 ILP 단독으로는 완전히 실패하는 지점에서 58%의 성공률을 달성하였고, 형식 검증 (formal verification)을 통해 이를 80%까지 끌어올렸으며, 지식 풀은 최대 +31%포인트의 이득을 제공하는 동시에 인간이 해석 가능한 규칙을 생성함을 보여주었습니다. 이러한 결과는 ADVENT가 ILP에서 술어 발명을 자동화하고 태스크 간 지식 재사용을 가능하게 하는 유망한 방향임을 시사합니다.