본 논문은 대규모 언어 모델(LLM)의 수학적 추론 능력 향상을 위한 새로운 비형식적 정리 증명 프레임워크인 DeepTheorem을 제안한다. DeepTheorem은 12만 개 이상의 고품질 IMO 수준 비형식적 정리와 증명으로 구성된 대규모 벤치마크 데이터셋을 포함하며, 정확성, 난이도, 주제 분류 등에 대한 주석이 붙어있고 검증 가능한 정리 변형도 포함한다. 비형식적 정리 증명에 맞춰 설계된 새로운 강화 학습 전략(RL-Zero)을 사용하여 강력한 수학적 추론을 유도하며, 증명의 정확성과 추론 단계의 질을 평가하는 포괄적인 평가 지표를 제시한다. 실험 결과, DeepTheorem은 기존 데이터셋과 지도 학습 미세 조정 방법보다 LLM의 정리 증명 성능을 크게 향상시켜 최첨단 정확도와 추론 품질을 달성함을 보여준다.
