h1 框架：简单智能体循环在 Lean 4 定理证明达 SOTA
原文标题：h1: A Taste of the Bitter Lesson in Automated Theorem Proving
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 h1，一个仅给模型提供高效 Lean 4 接口、依靠验证器反馈与自我反思持续迭代的简单框架，不预设分解或搜索结构。h1 在 PutnamBench、FATE-X、FormalConjectures100-Solved 上取得 SOTA，并解决 FormalConjectures 中 8 个开放问题，匹配或超越 Goedel-Architect、AlphaProof Nexus 等专用工作流。研究指出高效 Lean 接口而非流程复杂度才是成本与解题率的关键。
- 问题
- 形式化定理证明是否必须依赖人工设计的分解与搜索工作流。
- 方法
- 提出 h1：只给模型高效 Lean 4 接口，靠验证器反馈与自我反思迭代，不预设分解或搜索结构。
- 结果
- 在 PutnamBench、FATE-X、FormalConjectures100-Solved 上达 SOTA，解决 FormalConjectures 中 8 个开放问题。
- 影响
- 说明高效工具接口比流程复杂度更决定成本与解题率，简化智能体设计即可对标专用工作流。
深读 · 结论先行AI 生成展开看要点与影响 ↓
简单智能体循环h1在Lean 4定理证明达SOTA，并解决8个开放问题。
- •h1只给模型高效Lean 4接口，靠验证器反馈与自我反思迭代，不预设分解或搜索结构
- •在PutnamBench、FATE-X、FormalConjectures100-Solved上取得SOTA
- •解决FormalConjectures中8个开放问题，单次尝试（pass@1）常可解开放问题
- •在匹配模型下匹配或超越Goedel-Architect、AlphaProof Nexus等专用工作流
- •与Claude Code、AxProverBase的消融对比显示：高效Lean接口而非流程复杂度决定成本与解题率
为什么重要：对形式化证明领域「人工设计工作流是否必要」给出反例，对投入定理证明智能体的团队是路线选择信号。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。