VeriCoTは、LLM（大規模言語モデル）がChain-of-Thought（CoT）を通じての多段階推論を実行できる一方、自己の論理を信頼性高く検証できない問題を解決するために開発された神経シンボリック手法です。この方法では、CoTの各推論ステップを一階論理に形式化し、その論理的根拠を提供するための前提を特定します。これにより、自動化されたソルバーが論理的妥当性を検証できる一方、NL（自然言語）前提を用いて人間やシステムが誤った推論ステップを識別できます。実験では、VeriCoTが誤った推論を特定し、最終的な答えの正確性を強力に予測することが示されました。また、推論の妥当性と正確性を向上させるために、VeriCoTの検証信号を用いた自己反省や監視型ファインチューニングも行われています。