超越RL范式，模型能像人类数学家一样严谨论证

第四，我认为IMO提交材料是难以验证的多页证明。这方面的进展需要超越清晰可验证奖励的RL范式。通过这样做，我们获得了一个能够像人类数学家一样编写复杂、严谨论证的模型。