形式化定理证明在数学中至关重要，但面临人类认知和机器可解释性挑战。DeepSeek-Prover-V2通过神经定理证明技术，提升了形式化推理能力，达到了88.9%的通过率，标志着数学智能的新纪元。该模型采用递归子目标分解和强化学习，显著提高了证明效率，未来有望解决更复杂的数学问题。

香港大学与SambaNova Systems合作提出了SubgoalXL框架，用于解决形式化定理证明的难题。该框架结合子目标证明策略和专家学习，通过分解复杂任务和迭代优化提升性能。在miniF2F数据集上的实验显示，SubgoalXL显著优于现有方法，展示了大语言模型在该领域的潜力。未来将继续优化和扩展应用。