Lean4Agent : Modélisation formelle et vérification pour les workflows et trajectoires d'agents

Résumé

Équiper les grands modèles de langage (LLMs) pour exécuter des flux de travail multi-étapes fiables est devenu un défi central en intelligence artificielle. Malgré les avancées récentes dans les capacités agentiques des LLMs, la plupart des systèmes agents manquent encore de méthodes formelles pour spécifier, vérifier et déboguer leurs flux de travail et leurs trajectoires d'exécution. Ce défi reflète un problème de longue date en mathématiques, où l'ambiguïté des langues naturelles (NLs) motive le développement de langages formels (FLs). Inspirés par ce paradigme, nous proposons **Lean4Agent**, à notre connaissance, le premier cadre qui utilise Lean4, un langage formel à types dépendants, pour modéliser et vérifier le comportement d'un agent. **Lean4Agent** lance **FormalAgentLib**, une bibliothèque Lean4 extensible pour modéliser et vérifier formellement la cohérence sémantique des flux de travail d'agents sous des hypothèses explicites, et permettre la localisation des défaillances lors de l'exécution révélées par les trajectoires. En nous appuyant sur **FormalAgentLib**, nous développons ensuite **LeanEvolve**, qui applique les résultats de **FormalAgentLib** pour réviser les flux de travail afin d'améliorer leurs capacités. Des expériences approfondies sur un sous-ensemble de problèmes difficiles de SWE-Bench-Verified et un sous-ensemble d'ELAIP-Bench avec 5 LLMs de premier plan indiquent que les flux de travail réussissant la vérification surpassent ceux qui échouent de **11,94 %** en moyenne, et **LeanEvolve** améliore encore les performances SWE de **7,47 %** en moyenne. De plus, **Lean4Agent** jette les bases d'un nouveau domaine utilisant un langage formel expressif à types dépendants pour modéliser et vérifier formellement le comportement des agents.

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.