연구진은 LLM이 암호학적 정형 증명 생성에서 겪는 어려움, 즉 증명 이론적 종속성이 선형 표현에 암묵적으로 흩어져 있는 문제를 해결하기 위해 시각적 스크래치패드 기법 Scratchy를 제안했다. 자연어 보안 설명과 형식적 맥락, 목표 명제를 입력받아 증명 대상을 타입이 있는 증명-관계 그래프로 정규화한 뒤, 구조 보존 시각 컴파일러가 이를 수식이 풍부한 시각적 증명 상태로 변환해 멀티모달 모델의 EasyCrypt 증명 생성을 안내한다. 공식 EasyCrypt 파일에서 추출한 114개 과제(보안형 증명 생성 64개, 객관식 지식 테스트 50개)로 구성된 Scratchy-eval 벤치마크도 함께 공개했다. 평가 결과 GPT-5.6-Sol과 Claude-Opus-5 같은 기존 LLM들이 Scratchy의 구조화된 시각적 증명 상태로부터 뚜렷한 성능 향상을 얻었다.

• •암호학 정형 증명에서 암묵적 증명 종속성을 시각화하는 스크래치패드 기법 Scratchy 제안
• •증명 대상을 타입이 있는 증명-관계 그래프로 정규화 후 시각적 증명 상태로 변환
• •114개 과제(증명 생성 64개, 객관식 50개)로 구성된 벤치마크 Scratchy-eval 공개
• •GPT-5.6-Sol, Claude-Opus-5 등 기존 LLM이 구조화된 시각 증명 상태로 드러진 성능 향상
• •명시적 증명 구조와 멀티모달 표현이 컴퓨터 지원 암호학의 유망한 방향임을 시사