포화 기반 추론을 위한 새로운 구현 프레임워크

본 논문은 포화 기반(first‑order) 자동 정리 시스템이 지난 10년간 급격히 성능을 끌어올린 배경을 먼저 정리한다. 고급 계산법(완전한 해석 규칙, 파라모듈레이션 등)과 효율적인 구현 기술(용어 인덱싱, 휴리스틱 기반 검색 제어, 상위 수준 포화 알고리즘 등)의 발전이 주요 원인으로 제시된다. 그러나 최근 CASC‑20 등 최신 베치마크에서 성능 향상이 둔화되고 있다는 관측을 근거로, 포화 기반 기술이 근본적인 한계에 도달했다는 의견이 제기되고 있다. 저자는 이러한 비관론이 시기상조이며, 아직 탐구되지 않은 설계 공간이 존재한다고 주장한다. 논문의 핵심 비판은 현재 대부분의 포화 기반 프로버가 ‘절 선택 기반’(given‑clause) 알고리즘에 의존한다는 점이다. 절 선택은 활성(active) 절 집합과 수동(passive) 절 집합을 구분하고, 수동 절 중 하나를 선택하면 그 절과 모든 활성 절 사이의 가능한 추론을 즉시 수행한다. 이 방식은 구현이 단순하고 초기 성공 사례가 많아 널리 채택되었지만, 두 가지 구조적 문제를 낳는다. 첫째, 절의 품질을 평가하는 휴리스틱이 실제 추론의 품질과 약하게 연결돼, ‘좋은’ 절이라도 이전에 선택된 ‘나쁜’ 절과 결합하면 비효율적인 추론을 생성한다. 둘째, 선택된 절이 활성 절 전체와 교차하면서 연산량이 급증하고, 중요한 작은 탐색 경로를 놓치는 상황이 빈번히 발생한다. 이러한 현상은 OTTER와 DISCOUNT 두 변형에서도 각각 다른 형태로 드러난다. OTTER는 수동 절을 적극적으로 간소화하고 재사용하지만, 지나친 간소화가 새로운 유용한 절을 억제할 위험이 있다. DISCOUNT는 활성 절만을 간소화 대상으로 삼아 간소화 비용을 줄이지만, 수동 절에 대한 관리가 약해 전체 검색 공간이 비효율적으로 확장된다. 이를 해결하기 위해 저자는 두 가지 새로운 설계 원칙을 제시한다. 첫 번째는 ‘고정밀·저비용’ 추론 선택 메커니즘이다. 여기서는 절이 아니라 개별 추론 단위에 비용 모델을 적용한다. 각 추론에 대해 예상 생성 절의 크기, 리터럴 수, 심볼 복잡도 등을 정량화하고, 사전에 정의된 비용 임계값 이하인 경우에만 실행한다. 이를 위해 효율적인 용어 인덱싱과 동적 비용 추정기가 필요하며, 비용 계산 자체가 낮은 오버헤드로 수행돼야 한다. 이렇게 하면 OTTER처럼 모든 가능한 추론을 무차별적으로 수행하는 비효율성을 피하면서, DISCOUNT처럼 과도한 비용을 발생시키지 않는다. 두 번째 설계는 ‘일반화된 탐색 방향’(generalised search directions)을 이용한 지능형 우선순위 부여이다. 현재 활성 절 집합을 여러 개의 추상적인 검색 방향으로 그룹화하고, 각 방향에 대해 메타‑휴리스틱(예: 방향별 성공률, 평균 비용, 탐색 깊이 등)을 계산한다. 그런 다음, 탐색 공간을 사전 탐색(probing)하여 각 방향의 잠재적 유용성을 평가하고, 가장 유망한 방향에 자원을 집중한다. 이 과정에서 ‘탐색 방향 프로빙’은 제한된 깊이의 시뮬레이션이나 샘플링을 통해 수행되며, 실시간으로 메타‑휴리스틱을 업데이트한다. 결과적으로 시스템은 전체 검색 공간을 균등하게 탐색하면서도, 중요한 증명 경로를 빠르게 발견할 가능성이 높아진다. 논문은 이러한 아이디어를 구현하기 위한 기술적 과제도 논의한다. 첫째, 추론 비용 모델링을 위한 정밀한 통계 수집과 빠른 평가 함수 설계가 필요하다. 둘째, 검색 방향을 정의하고 관리하기 위한 데이터 구조(예: 방향 트리, 히스토그램)와 메타‑휴리스틱 업데이트 알고리즘이 요구된다. 셋째, 기존의 간소화·중복 제거 절차와 새로운 메커니즘이 충돌하지 않도록 통합 프레임워크를 설계해야 한다. 마지막으로, 제안된 설계가 실제 프로버에 적용될 때의 성능 평가를 위한 벤치마크와 실험 설계가 필요하다고 강조한다. 결론적으로, 저자는 포화 기반 추론이 현재의 설계 한계 때문에 성능 정체를 겪고 있지만, 추론 선택의 세분화와 탐색 방향의 지능형 관리라는 두 가지 새로운 아키텍처적 원칙을 도입하면 큰 도약이 가능하다고 주장한다. 이는 기존 시스템의 구조적 결함을 보완하고, 향후 자동 정리 분야의 연구 방향을 제시한다.