본 논문은 수학 경시 문제 풀이를 위한 새로운 신경 기호 방법인 Enumerate-Conjecture-Prove (ECP) 프레임워크를 제안합니다. ECP는 LLMs 기반의 열거 및 패턴 기반 추측과 형식적 정리 증명을 통합하는 모듈형 접근 방식을 사용합니다. 논문에서는 다양한 수학 경시 문제 3,431개로 구성된 새로운 데이터셋 ConstructiveBench를 소개하고, ECP가 gpt-4.1-mini 모델과 함께 사용되었을 때 Chain-of-Thought (CoT) 기준선(14.54%)보다 훨씬 향상된 45.06%의 정확도를 달성함을 보여줍니다. 또한, ECP가 생성한 답변을 DeepSeek-Prover-V2-7B 모델과 결합하여 25.01%의 정확도로 858개 문제에 대한 정확한 증명을 생성하는 것을 확인했습니다. 이는 기존의 기호적 방법(9.86%)에 비해 큰 향상입니다. 코드와 데이터셋은 공개적으로 이용 가능합니다.
