Hugging Face
10일 전
개발자라면 누구나 한 번쯤은 상상해 봤을 겁니다.
"복잡한 수학적 정리를 자동으로 증명할 수 있는 시스템이 있다면 얼마나 좋을까?"
Goedel-Prover-V2는 바로 그 상상을 연구 수준에서 현실로 끌어내린 프로젝트입니다. 기존의 전문가 반복(iteration)과 강화 학습 파이프라인들이 대부분 모델 출력 다양성 감소에 초점을 맞춘 것과는 달리, Goedel-Prover-V2는 스캐폴딩 데이터 합성과 자기 수정을 지향합니다.
이 논문이 흥미로운 이유는 단순히 "자동화된 정리 증명에서의 진보" 수준을 넘어서, 모델이 복잡한 정리를 점진적으로 마스터할 수 있도록 설계되었다는 점입니다. 예를 들어, 모델은 Lean 컴파일러의 피드백을 활용하여 증명을 반복적으로 수정할 수 있습니다. 이제 진짜로 '기계가 스스로 배우고 성장하는 시대'가 나타난 거죠.
Goedel-Prover-V2가 도입한 가장 눈에 띄는 개념은 바로 "스캐폴딩 데이터 합성"입니다. 이는 모델이 점진적으로 더 복잡한 정리를 마스터할 수 있도록 난이도가 증가하는 합성 작업을 생성하는 방식입니다.
이러한 스캐폴딩 데이터 합성은 실제로 모델 체크포인트 병합으로 구현되며, 이를 통해 모델 출력의 다양성 감소를 완화하는 게 Goedel-Prover-V2의 강점입니다.
이 모델은 총 세 단계의 과정을 거쳐 만들어졌습니다:
Goedel-Prover-V2의 핵심 기술적 특징은 크게 세 가지 측면에서 살펴볼 수 있습니다.
1. 스캐폴딩 데이터 합성
이는 모델이 점진적으로 더 복잡한 정리를 학습할 수 있도록 난이도가 증가하는 합성 작업을 생성하는 방식입니다. 기존의 단순한 데이터 합성과 달리, 이 방식은 모델의 학습 곡선을 최적화하여 성능을 크게 향상시켰습니다.
2. 검증자 기반 자기 수정
이 특징의 핵심은 Lean 컴파일러의 피드백을 활용하여 모델이 증명을 반복적으로 수정할 수 있도록 하는 메커니즘입니다. 이를 통해 모델의 정확성과 신뢰성을 높였습니다. 실제로 다양한 정리 증명 시나리오에서 그 효과를 입증했습니다.
3. 모델 평균화
마지막으로 주목할 만한 점은 모델 체크포인트를 병합하여 모델 출력의 다양성 감소를 완화하는 특징입니다. 이는 특히 후반 학습 단계에서 모델의 성능을 유지하는 데 큰 장점을 제공합니다.
Goedel-Prover-V2의 성능은 다음과 같은 실험을 통해 검증되었습니다.
1. MiniF2F에서의 성능
MiniF2F 벤치마크에서 Goedel-Prover-V2-8B 모델은 pass@32 기준 84.6%의 성능을 달성했습니다. 이는 DeepSeek-Prover-V2-671B와 비교했을 때 80배 작은 모델임에도 불구하고 더 나은 성능을 보여줍니다.
2. PutnamBench에서의 결과
PutnamBench에서는 Goedel-Prover-V2-32B 모델이 pass@184 기준 86개의 문제를 해결하며, DeepSeek-Prover-V2-671B의 기록을 뛰어넘었습니다.
3. 실제 응용 시나리오에서의 평가
실제 정리 증명 환경에서 진행된 테스트에서는 Goedel-Prover-V2의 실용적 장점과 함께, 현실적인 제한사항도 명확히 드러났습니다.
이러한 실험 결과들은 Goedel-Prover-V2가 자동화된 정리 증명의 주요 목표를 효과적으로 해결할 수 있음을 보여줍니다. 특히 이 모델의 성과는 향후 자동화된 정리 증명 분야의 발전에 중요한 시사점을 제공합니다.
Goedel-Prover-V2는 MiniF2F와 PutnamBench라는 첨단 벤치마크에서 각각 88.1%, 86 문제 해결이라는 점수를 기록했습니다. 이는 DeepSeek-Prover-V2-671B 수준의 성능입니다.
실제로 다양한 정리 증명 시나리오에서도 꽤 자연스러운 반응을 보입니다.
물론 아직 "모델 출력의 다양성" 영역에서 약간의 미흡함이 존재하긴 하지만, 현재 수준만으로도 다양한 서비스에 활용 가능성이 큽니다.
Goedel-Prover-V2는 단지 새로운 모델이 아니라, "자동화된 정리 증명의 새로운 방향성"이라는 흥미로운 방향성을 제시합니다.
앞으로는 더 많은 정리 증명 자동화, 예를 들면 수학 교육, 과학 연구까지 인식하게 될 가능성이 큽니다.
이러한 미래가 Goedel-Prover-V2로 인해 조금 더 가까워졌습니다.
Goedel-Prover-V2에 입문하려면, 기본적인 형식적 정리 증명과 강화 학습에 대한 이해가 필요합니다.
다행히도 https://github.com/Goedel-LM/Goedel-Prover-V2에 예제 코드가 잘 정리되어 있어, 이를 통해 학습할 수 있습니다.
실무에 적용하고 싶다면?
필요한 데이터와 리소스를 확보하고, 다양한 정리 증명 영역을 테스트하면서 모델을 적용하는 것이 핵심입니다. 또한, 추가적인 데이터 수집과 모델 튜닝도 병행되어야 합니다.
Goedel-Prover-V2는 단순한 기술적 진보를 넘어, 자동화된 정리 증명의 패러다임 전환을 향한 중요한 이정표입니다. 이 기술이 제시하는 가능성은 수학과 과학 연구의 미래를 재정의할 잠재력을 가지고 있습니다.
우리는 지금 기술 발전의 중요한 변곡점에 서 있으며, Goedel-Prover-V2는 그 여정의 핵심 동력이 될 것입니다. 당신이 이 혁신적인 기술을 활용하여 미래를 선도하는 개발자가 되어보는 건 어떨까요?
PAC Apprenticeship Learning with Bayesian Active Inverse Reinforcement Learning
0
0 
댓글