Lean4Agent: Formele modellering en verificatie voor agentworkflow en traject

Samenvatting

Het uitrusten van grote taalmodellen (Large Language Models, LLM's) om betrouwbare meerstaps-workflows uit te voeren, is een centrale uitdaging geworden in de kunstmatige intelligentie. Ondanks recente vooruitgang in de agentische mogelijkheden van LLM's, beschikken de meeste agentsystemen nog steeds niet over formele methoden om hun workflows en uitvoeringstrajecten te specificeren, te verifiëren en te debuggen. Deze uitdaging weerspiegelt een al lang bestaand probleem in de wiskunde, waar de ambiguïteit van natuurlijke talen (NT's) de ontwikkeling van formele talen (FT's) motiveert. Geïnspireerd door dit paradigma stellen wij **Lean4Agent** voor, voor zover wij weten het eerste raamwerk dat Lean4, een afhankelijkheidstype FT, gebruikt om agentgedrag te modelleren en te verifiëren. **Lean4Agent** lanceert **FormalAgentLib**, een uitbreidbare Lean4-bibliotheek voor het formeel modelleren en verifiëren van de semantische consistentie van agentworkflows onder expliciete aannames, en voor het lokaliseren van fouten tijdens de uitvoering die door trajecten aan het licht komen. Voortbouwend op **FormalAgentLib** ontwikkelen we verder **LeanEvolve**, dat de resultaten in **FormalAgentLib** toepast om workflows te herzien en zo de capaciteit ervan te verbeteren. Uitgebreide experimenten op een moeilijke probleemdeelverzameling van SWE-Bench-Verified en een deelverzameling van ELAIP-Bench bij vijf toonaangevende LLM's geven aan dat de verificatie-doorstane workflows het gemiddeld **11,94%** beter doen dan de falende, en **LeanEvolve** verbetert de SWE-prestaties verder met gemiddeld **7,47%**. Bovendien legt **Lean4Agent** een basis voor een nieuw vakgebied waarin expressieve afhankelijkheidstype FT's worden gebruikt om agentgedrag formeel te modelleren en te verifiëren.

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.