verified-ledger项目利用Lean 4和Rust进行形式化验证与模糊测试，以确保账本系统的安全性和正确性。通过对比Rust实现与Lean模型的输出，识别潜在漏洞。该项目适合希望在高可靠性系统中引入形式化验证的开发者。

本文介绍了DeepSeek-Prover模型的开发，旨在通过生成大量形式化数学证明数据来提高自动定理证明的效率。该模型结合大型语言模型（LLM）和Lean 4验证器，自动生成和验证数学问题的证明，解决了传统方法的复杂性和效率问题。通过迭代优化，DeepSeek-Prover逐步提升了证明的质量和准确性。

本研究提出了FANS框架，旨在解决大语言模型在自然语言数学推理中的不足。通过将数学问题转化为Lean4定理并验证答案，显著提高了答案选择的准确性。

本研究提出了MA-LoT框架，解决了单一大型语言模型在形式证明中的不足。该框架是首个多智能体Lean4形式定理证明系统，通过结构化互动和长链思维，MiniF2F-Test数据集的准确率达到54.51%，显著优于现有方法，展示了更深的推理能力。

本文介绍了LeanDojo，一个开源的证明环境，提供有价值的前提数据，以便于选取前提。使用此数据，开发了ReProver，第一个增加检索功能的证明程序。实验结果表明，ReProver非常有效。

本研究提出了DeepSeek-Prover-V1.5，一个用于Lean 4的开源语言模型，优化了定理证明的效率问题。模型采用了强化学习方法和RMaxTS变体，生成多样化的证明路径。在基准测试中，该模型在中学和本科水平上取得了显著的成绩提升，展示了其在推理任务中的潜在影响。

PutnamBench是一个多语言基准测试，用于评估神经定理证明器解决竞赛数学问题的能力。它包含了640个定理的1697个手工构造形式化的表述，并用Lean 4和Isabelle进行了全部定理的形式化。该基准测试用于评估几种已有的神经和符号定理证明器，这些方法只能解决很少一部分的PutnamBench问题。

Since the release of my preprint with Tim, Ben, and Freddie proving the Polynomial Freiman-Ruzsa (PFR) conjecture over , I (together with Yael Dillies and Bhavik Mehta) have started a...

数学家陶哲轩在使用Lean4时发现一篇已发表论文中的错误，计划将语言模型与证明助手连接起来。Lean4主要用于写数学证明，也可用于编程。形式验证可减少软件开发中的错误。