本研究提出了一种新框架，通过符号等价和语义一致性方法，评估和选择最佳的自动形式化结果，准确性提高了0.22至1.35倍。

本文探讨了大型语言模型在自动形式化数学定理中的应用，展示了其将自然语言数学问题转化为形式化说明的能力。研究表明，使用Codex和GPT-4等模型能够有效提高定理证明的准确率，并提出了LeanDojo和ReProver等工具，推动了自动化证明的研究和数学形式化的进展。

本文探讨了大型语言模型在自动形式化数学问题中的应用，特别是自然语言到形式化说明的翻译。研究表明，改进的神经定理证明器显著提高了证明率。此外，提出了几何形式化理论（GFT）和形式几何问题解决器（FGPS），有效解决了IMO级别的几何问题，并引入了新的自动形式化方法和基准，推动了自动定理证明的进展。