이 연구는 LLM 기반 에이전트가 원시 분할함수(partition function)를 다루기 쉬운 표현으로 매핑하는 통계역학적 구조를 발견할 수 있는지를 평가하기 위해, 전달행렬법·게이지 제거 가능 무질서·평면/파피안 구조를 아우르는 여섯 개의 이징형 문제로 구성된 StatMechBench-v0 벤치마크를 소개한다. 여러 LLM과 문제 표현 방식에 걸쳐 단순한 제안-검증-수정 에이전트를 평가한 결과, 수치 피드백이 에이전트의 코드 수정과 올바른 분할함수 복구를 돕는 경우가 많았지만 에이전트가 수치 검사는 통과하면서도 근본적인 가해 가능 클래스를 잘못 식별하거나 계산 복잡도를 과소평가하는 경우도 있었다. 이는 현재 LLM 추론의 한계를 드러내는 동시에 기호적 검사와 구조적 불변량을 포함한 수치 일치를 넘어서는 검증 체계의 필요성을 제기한다.

• •6개 이징형 문제로 구성된 StatMechBench-v0 벤치마크 소개
• •전달행렬법·게이지 제거 무질서·평면/파피안 구조 등 다양한 통계역학 매핑 평가
• •수치 피드백이 코드 수정과 정답 복구에 도움이 되는 경우가 많음을 확인
• •에이전트가 수치 검사는 통과해도 가해 가능 클래스를 오인하거나 복잡도를 과소평가하는 한계 발견