Lean

推荐理由：Claude 把黎曼零点下界从 41.6% 推到 67.2%，人类 50 年才推不到 9 个百分点，它一步干了 26 个点。

推荐理由：Ramana Kumar 用 AI 声称推翻考拉兹猜想，结果败给 Lean 内核漏洞，4.32.2 已修复。

推荐理由：OpenAI 把证明过程和机器验证文件都公开了，直接看 Lean 证书就能确认对错，搞数学的可以省去重复推导。

推荐理由：OpenAI的Astra模型一口气放出10个数学证明，还带Lean验证和推理过程，数学爱好者可以围观了。

推荐理由：OpenAI说新模型Astra用2000美元算力解了10个老数学难题，连数学家都难搞定，还附Lean证明，感觉是真翻身了。

推荐理由：OpenAI用Astra模型解决了十个多年没人做出来的数学难题，整个研究烧了约2000美元的token，还在Lean里验证过，值得看看。

推荐理由：OpenAI的Astra模型花约2000美元解出10个数学难题，证明还带Lean验证，硬核得让人服气。

推荐理由：腾讯混元的 Hyra 跑了24小时就证出加法组合学50年难题，还公开了 Lean 证明，比此前 AI 辅助搜索明显更进一步。

推荐理由：修Lean证明蓝图？这个接口用类型化编辑，比源码补丁省30%、比重写省一半，1万token内就顶到上限。

推荐理由：CausalForge用Lean做因果推理自动研究，能验证证明并审计陈述，比纯LLM评审靠谱。

推荐理由：这篇论文用信号覆盖矩阵把自动形式化的错误拆成类型和语义两类，告诉你每个方法的增益到底来自哪，而不是只看总分。

推荐理由：这篇论文用Lean在定理证明训练中引入细粒度过程奖励，比只判对错的强化学习效果好，在MiniF2F和ProofNet上都有提升。

推荐理由：YC 研究者分享自博弈和AI生物学新进展

推荐理由：做数学推理或智能体开发的团队值得关注——LEAP 用通用模型+验证反馈循环就超越了专用系统，说明智能体框架设计比模型本身更关键，建议点开论文看具体架构。

推荐理由：数学研究者、教育工作者和 AI 爱好者值得一看——陶哲轩的观察揭示了 AI 如何打破学术壁垒，让数学研究更开放、更高效。

推荐理由：这篇论文展示了 AI 在数学证明中的实际进展，做形式化验证或数学研究的团队值得关注——它把 LLM 从“讲故事”变成“可验证的候选生成器”，直接解决了幻觉问题。

推荐理由：Marcus 的质疑切中 AI 数学推理的核心争议——符号系统 vs 纯 LLM，关注 AI 推理能力的读者值得一看，能帮你理解当前研究的分歧点。