Core Concepts
LLM(Large Language Model)과 최적화 기반 방법을 결합하여 데모 및 설명으로부터 신뢰할 수 있는 LTL 명세를 합성하는 방법을 제안한다.
Abstract
이 논문은 LTL(Linear Temporal Logic) 명세를 데모로부터 자동으로 추출하는 문제를 다룬다. LTL 명세는 반응형 시스템의 동적 동작을 기술하는 간결하고 명확한 형식이지만, 수동으로 작성하기 어렵다. 기존의 최적화 기반 방법과 LLM 방법은 각각 한계가 있다. 최적화 기반 방법은 신뢰성과 견고성을 제공하지만 자연어 설명을 처리할 수 없고 확장성 문제가 있다. LLM은 설명과 데모를 모두 활용할 수 있지만 일관성과 신뢰성이 부족하다.
이 논문은 LLM과 최적화 기반 방법을 결합하여 데모와 자연어 설명으로부터 신뢰할 수 있는 LTL 명세를 합성하는 방법을 제안한다. LLM은 후보 LTL 명세를 생성하고, 최적화 기반 방법은 이를 수정하여 최적의 LTL 명세를 찾는다. 실험 결과, 제안 방법이 LLM만 사용하는 것보다 더 나은 품질의 LTL 명세를 생성할 수 있음을 보여준다.
Stats
데모 집합 S는 유한한 흔적들의 집합이다.
흔적 w는 유한한 길이의 시퀀스이다.
LTL 공식 φ는 S |
= φ를 만족해야 한다.
Quotes
"LTL 명세를 데모로부터 추출하는 기존 접근법은 최적화 기반 탐색을 사용하지만, 이는 자연어 설명을 처리할 수 없고 확장성 문제가 있다."
"LLM은 설명과 데모를 모두 활용할 수 있지만 일관성과 신뢰성이 부족하다."