抽象解釈において、全体的な健全性の保証を提供する抽象インタプリタの構築は大きな課題です。本研究では、現代の大規模言語モデル（LLM）が、神経ネットワークの検証の文脈で複数の抽象ドメインにわたる健全で非自明な抽象インタプリタの合成に役立つかどうかを探求します。合成を制約最適化問題として定式化し、厳格な構文的および意味的制約の下での健全性を測定するための新しい数学的に根拠づけられたコスト関数を導入します。これに基づいて、LLMベースの生成と構文的・意味的検証、コストガイドによるフィードバックメカニズムを統合した統一フレームワークを開発しました。実験結果は、我々のフレームワークが手作業のトランスフォーマーと同等の品質を持つだけでなく、既存の文献にない複雑な非線形演算子に対して高精度の健全なトランスフォーマーを発見することを示しています。