形式化数学（如Lean、Coq等证明助手使用的语言）要求每一步推理都严格可检验，因此天然适合做强化学习的奖励信号来源；将形式化数据整理成强化学习环境的核心价值在于自动判分器，可大幅降低训练与评测成本。