`包裹，长文用`
/
`划分小节。 3. 列表内容用`
- `，引用用`
`，代码用`
`，重要句子可用``。
4. 保留原文所有信息，不得增删改内容。
5. 不要输出`//`等文档级标签。
首先，我需要仔细阅读给定的正文内容，理解其结构和信息。正文是关于非正式数学和形式化定理证明的进展，涉及前沿语言模型的扩展、人类设计的工作流、以及一种名为h1的简单代理循环的研究。
接下来，我需要确定如何将这段内容划分为自然段落。原文看起来是一个较长的段落，但根据内容的逻辑，可以划分为几个部分：
1. 引入问题：非正式数学的进展主要来自扩展思维链和代理推理，而形式化定理证明依赖人类设计的工作流，如规划、分解和编排专业证明器。这引发了一个问题：简单的代理循环能否通过扩展测试时计算来匹配这些工作流？
2. 研究的必要性：形式验证必须扩展以跟上前沿模型，但新工作流的收益常与更强的模型或更多计算混淆，因此需要研究。
3. 研究方法：使用h1，一个提供高效Lean 4接口的简单工具，通过验证器反馈和自省，无需分解或搜索结构。
4. 研究结果：h1在PutnamBench、FATE-X和FormalConjectures100-Solved上达到最先进结果，解决8个开放问题，在相同模型下匹配或超越专业工作流，如Goedel-Architect和AlphaProof Nexus，显示单次尝试（pass@1）常能解决开放问题。
5. 消融研究和比较：通过消融研究和与Claude Code、AxProverBase的匹配模型比较，发现仅简单性不够，高效的Lean接口主要决定成本和解决率。
6. 建议：建议未来工作在规定工作流前，先用高效执行反馈评估前沿模型，以免吸取痛苦教训。
现在，根据规则，每个自然段落用``包裹。原文可能被视为一个长段落，但根据内容逻辑，可以划分为多个自然段落。例如：
- 第一段：介绍背景和问题。
- 第二段：说明研究的必要性。
- 第三段：介绍h1工具及其功能。
- 第四段：研究结果。
- 第五段：消融研究和比较结果。
- 第六段：建议。
但需要确认原文是否原本就是多个段落。用户提供的正文看起来是一个连续的文本，但可能内部有隐含的段落分隔。例如，“This raises a bitter-lesson question”开始可能是一个新的段落，或者“We study this question with h1”开始是另一个段落。需要根据语义划分。
可能需要将原文划分为几个自然段落，例如：
1. 第一句到“more compute.”：介绍背景、问题和研究的必要性。
2. “We study this question with h1, a simple harness...” 到“solve open problems.”：介绍研究方法和结果。
3. “Through ablations and matched-model comparisons...” 到结尾：消融研究、发现和建议。
或者更细的划分，但需要确保每个自然段落用`
`包裹。此外，规则2提到长文用`
/
`划分小节，但原文可能较短，是否需要使用标题？需要判断是否属于长文。如果原文较长，可能需要分节，但这里可能不需要，因为内容相对紧凑。
另外，规则3提到列表用`- `，但原文中没有明显的列表内容。引用和代码部分，原文中没有明显的引用或代码，所以可能不需要使用`
`或`
`。重要句子可以用``，但需要判断哪些句子是重要的。例如，“This raises a bitter-lesson question: can a simple agentic loop that scales test-time compute match these workflows?” 可能是一个重要问题，可以用``强调。同样，“The answer matters as formal verification must scale to keep up with frontier models producing research mathematics” 可能是一个重要陈述。
需要确保保留原文所有信息，不得增删改内容。因此，在排版时不能改变原文的措辞或结构，只能添加HTML标签。
现在，开始构建HTML片段：
首先，将原文划分为自然段落。假设原文原本是单个段落，但根据语义，可以划分为几个部分：
- 第一部分：背景和问题。
- 第二部分：研究的必要性。
- 第三部分：研究方法（h1）。
- 第四部分：研究结果。
- 第五部分：消融研究和比较。
- 第六部分：建议。
但需要根据原文的实际结构来划分。原文中的句子：
1. While progress in informal mathematics has come largely from scaling the chain-of-thought and agentic reasoning of frontier language models, formal theorem proving has increasingly relied on human-designed workflows around these models, such as planning, decomposition, and orchestrating specialized provers.
2. This raises a bitter-lesson question: can a simple agentic loop that scales test-time compute match these workflows?
3. The answer matters as formal verification must scale to keep up with frontier models producing research mathematics, yet new workflows rarely settle it, as their gains are often confounded with stronger models or more compute.
4. We study this question with h1, a simple harness that gives a model an efficient interface to Lean 4 and keeps it working through verifier feedback and self-reflection, without imposing a decomposition or search structure.
5. h1 reaches state-of-the-art results on PutnamBench, FATE-X, and FormalConjectures100-Solved, settles eight open problems in FormalConjectures, and, at matched models, matches or outperforms specialized workflows such as Goedel-Architect and AlphaProof Nexus, surprisingly showing that a single attempt (pass@1) can often scale to solve open problems.
6. Through ablations and matched-model comparisons with Claude Code and AxProverBase, we find that simplicity alone is not enough: an efficient Lean interface largely determines cost and solve rate.
7. We thus recommend that future work evaluate frontier models with efficient execution feedback before prescribing workflows, at the risk of bitter lessons.
现在，需要将这些句子组合成自然段落。可能的划分：
- 第1句：背景和对比。
- 第2-3句：提出问题和研究的必要性。
- 第4句：研究方法。
- 第5句：研究结果。
- 第6句：消融研究和发现。
- 第7句：建议。
因此，可以划分为以下自然段落：
1. While progress in informal mathematics... specialized provers.
2. This raises a bitter-lesson question... more compute.
3. We study this question with h1... search structure.
4. h1 reaches state-of-the-art results... open problems.
5. Through ablations and matched-model comparisons... solve rate.
6. We thus recommend that future work... bitter lessons.
或者，可能更紧凑的划分，例如将第2-3句合并为一个段落，因为它们都涉及问题和必要性。同样，第4-5句可能属于同一段落，介绍研究和结果。需要根据语义连贯性来判断。
另外，是否需要使用标题？根据规则2，长文用`/
`划分小节。但原文可能较短，可能不需要。但如果内容较长，可能需要分节。例如，可以有一个标题“研究背景与问题”、“研究方法”、“研究结果”、“消融研究与建议”等。但用户要求“每个自然段落用
包裹，长文用
/
划分小节”，所以需要判断原文是否属于长文。由于原文内容不算特别长，可能不需要使用标题，但如果有多个部分，可以使用标题来组织。
例如：
研究背景与问题
While progress...
This raises...
The answer matters...
研究方法
We study this question...
研究结果
h1 reaches...
消融研究与
`，代码用``，重要句子可用``。 4. 保留原文所有信息，不得增删改内容。 5. 不要输出`//`等文档级标签。 首先，我需要仔细阅读给定的正文内容，理解其结构和信息。正文是关于非正式数学和形式化定理证明的进展，涉及前沿语言模型的扩展、人类设计的工作流、以及一种名为h1的简单代理循环的研究。 接下来，我需要确定如何将这段内容划分为自然段落。原文看起来是一个较长的段落，但根据内容的逻辑，可以划分为几个部分： 1. 引入问题：非正式数学的进展主要来自扩展思维链和代理推理，而形式化定理证明依赖人类设计的工作流，如规划、分解和编排专业证明器。这引发了一个问题：简单的代理循环能否通过扩展测试时计算来匹配这些工作流？ 2. 研究的必要性：形式验证必须扩展以跟上前沿模型，但新工作流的收益常与更强的模型或更多计算混淆，因此需要研究。 3. 研究方法：使用h1，一个提供高效Lean 4接口的简单工具，通过验证器反馈和自省，无需分解或搜索结构。 4. 研究结果：h1在PutnamBench、FATE-X和FormalConjectures100-Solved上达到最先进结果，解决8个开放问题，在相同模型下匹配或超越专业工作流，如Goedel-Architect和AlphaProof Nexus，显示单次尝试（pass@1）常能解决开放问题。 5. 消融研究和比较：通过消融研究和与Claude Code、AxProverBase的匹配模型比较，发现仅简单性不够，高效的Lean接口主要决定成本和解决率。 6. 建议：建议未来工作在规定工作流前，先用高效执行反馈评估前沿模型，以免吸取痛苦教训。 现在，根据规则，每个自然段落用``包裹。原文可能被视为一个长段落，但根据内容逻辑，可以划分为多个自然段落。例如： - 第一段：介绍背景和问题。 - 第二段：说明研究的必要性。 - 第三段：介绍h1工具及其功能。 - 第四段：研究结果。 - 第五段：消融研究和比较结果。 - 第六段：建议。 但需要确认原文是否原本就是多个段落。用户提供的正文看起来是一个连续的文本，但可能内部有隐含的段落分隔。例如，“This raises a bitter-lesson question”开始可能是一个新的段落，或者“We study this question with h1”开始是另一个段落。需要根据语义划分。 可能需要将原文划分为几个自然段落，例如： 1. 第一句到“more compute.”：介绍背景、问题和研究的必要性。 2. “We study this question with h1, a simple harness...” 到“solve open problems.”：介绍研究方法和结果。 3. “Through ablations and matched-model comparisons...” 到结尾：消融研究、发现和建议。 或者更细的划分，但需要确保每个自然段落用`
`包裹。此外，规则2提到长文用`
/
`划分小节，但原文可能较短，是否需要使用标题？需要判断是否属于长文。如果原文较长，可能需要分节，但这里可能不需要，因为内容相对紧凑。 另外，规则3提到列表用`
- `，但原文中没有明显的列表内容。引用和代码部分，原文中没有明显的引用或代码，所以可能不需要使用`
`或``。重要句子可以用``，但需要判断哪些句子是重要的。例如，“This raises a bitter-lesson question: can a simple agentic loop that scales test-time compute match these workflows?” 可能是一个重要问题，可以用``强调。同样，“The answer matters as formal verification must scale to keep up with frontier models producing research mathematics” 可能是一个重要陈述。 需要确保保留原文所有信息，不得增删改内容。因此，在排版时不能改变原文的措辞或结构，只能添加HTML标签。 现在，开始构建HTML片段： 首先，将原文划分为自然段落。假设原文原本是单个段落，但根据语义，可以划分为几个部分： - 第一部分：背景和问题。 - 第二部分：研究的必要性。 - 第三部分：研究方法（h1）。 - 第四部分：研究结果。 - 第五部分：消融研究和比较。 - 第六部分：建议。 但需要根据原文的实际结构来划分。原文中的句子： 1. While progress in informal mathematics has come largely from scaling the chain-of-thought and agentic reasoning of frontier language models, formal theorem proving has increasingly relied on human-designed workflows around these models, such as planning, decomposition, and orchestrating specialized provers. 2. This raises a bitter-lesson question: can a simple agentic loop that scales test-time compute match these workflows? 3. The answer matters as formal verification must scale to keep up with frontier models producing research mathematics, yet new workflows rarely settle it, as their gains are often confounded with stronger models or more compute. 4. We study this question with h1, a simple harness that gives a model an efficient interface to Lean 4 and keeps it working through verifier feedback and self-reflection, without imposing a decomposition or search structure. 5. h1 reaches state-of-the-art results on PutnamBench, FATE-X, and FormalConjectures100-Solved, settles eight open problems in FormalConjectures, and, at matched models, matches or outperforms specialized workflows such as Goedel-Architect and AlphaProof Nexus, surprisingly showing that a single attempt (pass@1) can often scale to solve open problems. 6. Through ablations and matched-model comparisons with Claude Code and AxProverBase, we find that simplicity alone is not enough: an efficient Lean interface largely determines cost and solve rate. 7. We thus recommend that future work evaluate frontier models with efficient execution feedback before prescribing workflows, at the risk of bitter lessons. 现在，需要将这些句子组合成自然段落。可能的划分： - 第1句：背景和对比。 - 第2-3句：提出问题和研究的必要性。 - 第4句：研究方法。 - 第5句：研究结果。 - 第6句：消融研究和发现。 - 第7句：建议。 因此，可以划分为以下自然段落： 1.While progress in informal mathematics... specialized provers.
2.This raises a bitter-lesson question... more compute.
3.We study this question with h1... search structure.
4.h1 reaches state-of-the-art results... open problems.
5.Through ablations and matched-model comparisons... solve rate.
6.We thus recommend that future work... bitter lessons.
或者，可能更紧凑的划分，例如将第2-3句合并为一个段落，因为它们都涉及问题和必要性。同样，第4-5句可能属于同一段落，介绍研究和结果。需要根据语义连贯性来判断。 另外，是否需要使用标题？根据规则2，长文用`/
`划分小节。但原文可能较短，可能不需要。但如果内容较长，可能需要分节。例如，可以有一个标题“研究背景与问题”、“研究方法”、“研究结果”、“消融研究与建议”等。但用户要求“每个自然段落用
包裹，长文用
/
划分小节”，所以需要判断原文是否属于长文。由于原文内容不算特别长，可能不需要使用标题，但如果有多个部分，可以使用标题来组织。 例如：
研究背景与问题
While progress...
This raises...
The answer matters...
研究方法
We study this question...
研究结果
h1 reaches...
消融研究与