LLM을 활용한 종료 증명을 위한 순위 함수 생성

요약

본 기사는 루프 종료 증명에 필수적인 순위 함수 합성을 위한 신경-기호적 프레임워크인 RAINFALL을 제안합니다. RAINFALL은 LLM과 기호 검증기를 통합하여, 순위 함수 합성 과정을 코드 완성 작업으로 공식화하고 반복적인 정제 과정을 안내합니다. MiniMax V2.7 벤치마크에서 높은 성공률을 보이며 기존 방법론의 성능을 능가함을 입증했습니다.

핵심 포인트

• RAINFALL은 LLM과 기호 검증기를 결합한 신경-기호적 프레임워크입니다.
• 순위 함수 합성을 코드 완성 작업으로 공식화하여 접근성을 높였습니다.
• MiniMax V2.7에서 90.22%의 높은 합성 성공률을 기록했습니다.
• 기존 방법론 대비 우수한 성능을 보였으며, PROTON 2.1과 결합 시 성공률이 증가합니다.