본 논문은 대규모 언어 모델(LLM)의 수학적 추론 능력 향상을 위한 새로운 비형식적 정리 증명 프레임워크인 DeepTheorem을 제안한다. 기존의 자동 정리 증명(ATP) 접근 방식이 형식적 증명 시스템에 의존하는 것과 달리, DeepTheorem은 LLM의 자연어 처리 능력을 활용하여 비형식적인 수학적 추론을 강화한다. 12만 1천 개 이상의 고품질 IMO 수준 비형식적 정리 및 증명으로 구성된 대규모 벤치마크 데이터셋을 구축하고, 검증 가능한 정리 변형을 체계적으로 구성하여 새로운 강화 학습 전략(RL-Zero)을 적용하였다. 증명의 정확성과 추론 단계의 질을 평가하는 포괄적인 평가 지표를 제시하며, 실험 결과 기존 방법보다 우수한 성능을 보임을 확인하였다.
