本文提出了一种使用Lean4语言对LLM Agent工作流进行形式化建模与验证的方法，克服了传统经验性测试的不足。主要贡献包括FormalAgentLib库，确保工作流的语义一致性，以及LeanEvolve自动修订框架，实现验证后的自动修订。实验结果表明，经过验证的工作流性能显著提升，验证了形式化方法在LLM Agent领域的有效性。

本研究提出FANS框架，旨在提升大语言模型在自然语言数学推理中的推理能力和答案准确性。通过将数学问题转化为Lean4定理，并利用Lean4证明器验证答案，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。

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。