Lean4Agent: Modelado formal y verificación para el flujo de trabajo y la trayectoria de agentes

Resumen

Dotar a los Grandes Modelos de Lenguaje (LLMs) de la capacidad de ejecutar flujos de trabajo multi-paso confiables se ha convertido en un desafío central en inteligencia artificial. A pesar de los avances recientes en las capacidades agentivas de los LLMs, la mayoría de los sistemas agentes aún carecen de métodos formales para especificar, verificar y depurar sus flujos de trabajo y trayectorias de ejecución. Este desafío refleja un problema de larga data en matemáticas, donde la ambigüedad de los lenguajes naturales (LNs) motiva el desarrollo de lenguajes formales (LFs). Inspirados por este paradigma, proponemos **Lean4Agent**, hasta donde sabemos, el primer marco que utiliza Lean4, un LF de tipo dependiente para modelar y verificar el comportamiento de agentes. **Lean4Agent** lanza **FormalAgentLib**, una biblioteca extensible de Lean4 para modelar y verificar formalmente la consistencia semántica de los flujos de trabajo de agentes bajo supuestos explícitos, y permitir la localización de fallos en tiempo de ejecución revelados por las trayectorias. Basándonos en **FormalAgentLib**, desarrollamos además **LeanEvolve**, que aplica los resultados de **FormalAgentLib** para revisar flujos de trabajo y mejorar su capacidad. Experimentos exhaustivos en un subconjunto difícil de SWE-Bench-Verified y un subconjunto de ELAIP-Bench en 5 LLMs líderes indican que los flujos de trabajo que pasan la verificación superan a los que fallan en un promedio del **11.94%**, y **LeanEvolve** mejora aún más el rendimiento en SWE en un **7.47%** en promedio. Además, **Lean4Agent** establece una base para un nuevo campo de uso de LF de tipo dependiente expresivo para modelar y verificar formalmente el comportamiento de agentes.

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.