通过往返验证和修复实现忠实的自动形式化

当 LLM 形式化自然语言时，我们如何知道输出是忠实的？我们提出了一种不需要 真值 注释的往返验证方法：形式化语句，将结果翻译回自然语言，重新形式化，并使用形式化工具检查逻辑等价性。当两种形式化一致时，这就提供了忠实形式化的证据。当他们不同意时，阶段级诊断会将错误定位到特定的转换步骤，并且范围内的修复操作员会尝试纠正该步骤。我们使用两个 LLM（Claude Opus~4.6 和 GPT-5.2）和三个修复基线来评估两个法定领域（德克萨斯州交通法规和德克萨斯州公园和野生动物法规）的框架。诊断引导范围修复是最有效的方法，其有效性取决于诊断功能的可靠性。在两个领域和两个模型中，在我们的完整修复系统下，未通过等效性检查的规​​则显示自然语言推理 (NLI) 漂移比通过它的规则多 1.4 倍至 2.5 倍。