Lean4Agent: Formale Modellierung und Verifikation für Agenten-Workflow und -Trajektorie

Zusammenfassung

Die Ausstattung großer Sprachmodelle (Large Language Models, LLMs) mit der Fähigkeit, zuverlässige mehrschrittige Arbeitsabläufe auszuführen, ist zu einer zentralen Herausforderung in der künstlichen Intelligenz geworden. Trotz jüngster Fortschritte bei den agentischen Fähigkeiten von LLMs fehlt den meisten Agentensystemen nach wie vor eine formale Methode zur Spezifikation, Verifikation und Fehlersuche ihrer Arbeitsabläufe und Ausführungspfade. Diese Herausforderung spiegelt ein seit langem bestehendes Problem in der Mathematik wider, bei dem die Mehrdeutigkeit natürlicher Sprachen (Natural Languages, NLs) die Entwicklung formaler Sprachen (Formal Languages, FLs) motiviert. Inspiriert von diesem Paradigma schlagen wir **Lean4Agent** vor – nach unserem Kenntnisstand das erste Framework, das Lean4, eine abhängig typisierte formale Sprache, zur Modellierung und Verifikation von Agentenverhalten einsetzt. **Lean4Agent** führt **FormalAgentLib** ein, eine erweiterbare Lean4-Bibliothek zur formalen Modellierung und Verifikation der semantischen Konsistenz von Agentenabläufen unter expliziten Annahmen, sowie zur Lokalisierung von zur Laufzeit aufgetretenen Fehlern, die durch Ablaufverfolgungen sichtbar werden. Aufbauend auf **FormalAgentLib** entwickeln wir **LeanEvolve**, das die Ergebnisse von **FormalAgentLib** nutzt, um Arbeitsabläufe zu überarbeiten und so ihre Leistungsfähigkeit zu steigern. Umfangreiche Experimente mit einer schwierigen Problemauswahl aus SWE-Bench-Verified sowie einer Auswahl aus ELAIP-Bench mit fünf führenden LLMs zeigen, dass die verifikationsbestandenen Arbeitsabläufe die fehlgeschlagenen im Durchschnitt um **11,94 %** übertreffen, und **LeanEvolve** die SWE-Leistung um durchschnittlich **7,47 %** weiter verbessert. Darüber hinaus legt **Lean4Agent** den Grundstein für ein neues Forschungsfeld, das ausdrucksstarke, abhängig typisierte formale Sprachen zur formalen Modellierung und Verifikation von Agentenverhalten nutzt.

English

Equipping Large Language Models (LLMs) to execute reliable multi-step workflows has become a central challenge in artificial intelligence. Despite recent advances in LLMs' agentic capabilities, most agent systems still lack formal methods for specifying, verifying, and debugging their workflow and execution trajectories. This challenge mirrors a long-standing problem in mathematics, where the ambiguity of natural languages (NLs) motivates the development of formal languages (FLs). Inspired by this paradigm, we propose **Lean4Agent**, to the best of our knowledge, the first framework that uses Lean4, a dependent-type FL to model and verify agent behavior. **Lean4Agent** launches **FormalAgentLib**, an extensible Lean4 library for formally modeling and verifying agent workflows' semantic consistency under explicit assumptions, and enabling localization of execution-time failures revealed by trajectories. Building on **FormalAgentLib**, we further develop **LeanEvolve**, which applies results in **FormalAgentLib** to revise workflows to enhance its capability. Extensive experiments on a hard problem subset of SWE-Bench-Verified and a subset of ELAIP-Bench across 5 leading LLMs indicate that the verification-passing workflows outperform the failing ones by an average of **11.94%**, and **LeanEvolve** further improves SWE performance by **7.47%** on average. Furthermore, **Lean4Agent** establishes a foundation for a new field of using expressive dependent-type FL to formally model and verify agent behavior.