Lean4Agent: формальное моделирование и верификация агентских рабочих процессов и траекторий

Аннотация

Оснащение больших языковых моделей (LLM) способностью выполнять надежные многошаговые рабочие процессы стало центральной проблемой в области искусственного интеллекта. Несмотря на недавние достижения в агентных возможностях LLM, большинство агентных систем по-прежнему лишены формальных методов для спецификации, верификации и отладки своих рабочих процессов и траекторий выполнения. Эта проблема перекликается с давней проблемой математики, где неоднозначность естественных языков (NL) стимулирует разработку формальных языков (FL). Вдохновленные этой парадигмой, мы предлагаем **Lean4Agent** — к нашему сведению, первую структуру, использующую Lean4, формальный язык с зависимыми типами, для моделирования и верификации поведения агентов. **Lean4Agent** запускает **FormalAgentLib** — расширяемую библиотеку Lean4 для формального моделирования и верификации семантической согласованности рабочих процессов агентов на основе явных предположений, а также для локализации ошибок времени выполнения, выявляемых траекториями. На базе **FormalAgentLib** мы также разрабатываем **LeanEvolve**, который применяет результаты работы **FormalAgentLib** для пересмотра рабочих процессов с целью повышения их производительности. Обширные эксперименты на сложном подмножестве задач из SWE-Bench-Verified и подмножестве ELAIP-Bench с использованием 5 ведущих LLM показывают, что рабочие процессы, прошедшие верификацию, превосходят непрошедшие в среднем на **11.94%**, а **LeanEvolve** дополнительно улучшает производительность SWE в среднем на **7.47%**. Кроме того, **Lean4Agent** закладывает основу для новой области использования выразительных формальных языков с зависимыми типами для формального моделирования и верификации поведения агентов.

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.