FORALL-LEAN-AGENT：面向形式数学与软件验证的可审计推理框架

论文提出 FORALL-LEAN-AGENT，一个与前端无关的可审计推理框架，结合隔离工作区、Lean 工具与重新评审，并配合陈述比对、公理审计与独立证明检查，使验证证据与评审决定绑定到同一候选产物。在 VeriSoftBench 的 100 任务子集上，接入该框架使 GPT-5.6 Sol 低算力下的基准成功率从 93 提升到 100，成本从 69 美元降至 62 美元；PutnamBench 全部 672 题被接受，平均每题 4.72 美元。

此前编码智能体常把编译通过当作证明成功的标准，但编译成功并不等于证明了预期命题。该工作把验收可追溯性作为框架目标，并给出成功率与成本同时改善的量化结果，意味着评估口径从聚合解题数转向可审计证据。

机制上，框架把候选证明放入隔离工作区，用 Lean 工具执行，并引入重新评审；同时做陈述比对、公理审计和独立证明检查，再把验证证据与评审决定绑定到同一候选产物上，使“接受”这一动作可追溯到具体证据，而不是仅凭编译状态。

对研发与产品流程而言，这提示形式验证类工具需要把审计与检查环节产品化，而不只是接入求解模型。评测上可关注单位任务成本与审计覆盖度，因为该框架在同一子集上同时提升了成功率并降低了成本。

• 在 Lean 证明流水线中把公理审计与独立证明检查做成默认验收步骤，并输出可追溯的审计报告。
• 把验证证据与评审决定绑定为同一产物，提供可回放的审计记录，供团队复核与合规审查。
• 在成本核算中加入单位任务审计开销指标，对比接入框架前后的成功率与单题成本。

• 框架在其他模型与算力档位下是否同样保持成功率提升与成本下降，证据未覆盖。
• PutnamBench 上 672 题被接受所依据的审计标准与评测细节尚不明确。
• 该框架在非 Lean 的形式化工具或软件验证场景中的可迁移性未被证据说明。