一句话看懂：arXiv 2026年10月16日的一篇新论文提出 IneqAgent，把大模型推理与符号计算结合，在 Lean4 中自动证明不等式。在一项包含186道题的评测中解出175道，并给出两个高维数学猜想的机器验证结果。
事件核心：发生了什么
根据论文摘要，IneqAgent 是一个面向 Lean4 的不等式证明智能体框架。它把 LLM 的推理能力与符号计算后端组合起来：一方面用“引理级蒙特卡洛树搜索”协调引理构造、目标改写和符号后端选择；另一方面接入平方和（Sum-of-Squares）、Bernstein 以及逐次差分替换三类后端，为局部 Lean 证明生成精确证书。最终由 LLM 生成的步骤与符号证书拼接，再用 Lean 的反馈回路修正，形成可被 Lean 检查的完整证明。在四个基准上，搭载 DeepSeek-V4-Flash 的 IneqAgent 在186题中解出175题，成功率94.09%，为所评估方法中最高。论文还称获得维度4和5上 Dittert 猜想的 Lean 验证强化结果，并验证了 Holens–Djokovic (4,4) 不等式。
为什么重要
不等式证明长期依赖人工洞察，符号计算和形式化工具往往各自为战。IneqAgent 的价值在于用大模型补足“找思路”的环节，用符号后端保证“算得准”，再让 Lean 做最终裁判。这种“LLM 推理加精确计算”的模式，可能成为形式化数学和自动定理证明的一个可复用技术路线。摘要还提到，在四个主干模型上，IneqAgent 在低推理成本阈值时的成功率高于同主干的 Direct Agent，且成功运行的平均推理成本更低，说明它在算力效率上也有一定优势，这对依赖大模型推理的自动化数学工具具有参考意义。
对用户/开发者/创作者的影响
对数学与理论计算机方向的研究者，这类工具可能降低把猜想写成 Lean 证明的门槛，尤其是需要大量代数变形和证书生成的不等式问题。对开发形式化验证工具或 AI for Math 应用的开发者，引理级搜索加多符号后端的架构值得借鉴，但要注意论文目前只是 arXiv 摘要，尚未披露完整实验细节和代码可用性。如果后续有开源实现或 API，可能影响形式化数学工具链与 AI 推理服务的结合方式。对普通内容创作者和一般 AI 应用用户，这一进展距离日常使用较远，短期内更可能体现在专业数学软件和教育类工具的能力升级上，而不是取代人工证明。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是论文是否会公开代码、模型配置和完整基准细节，方便复现与比较；二是 IneqAgent 能否从不等式扩展到更广泛的定理证明任务，以及 Lean 之外的证明助手是否会被支持；三是这类“LLM 加符号计算”框架，是否会与现有 AI 数学产品形成直接竞争，并推动形式化数学社区出现更多可验证的机器证明成果。
来源：arXiv cs.AI
