Modal 平台构建 RL 理论证明工作流程

AE Studio 利用 Modal 平台，采用强化学习训练 LLM 证明数学定理，使用 Group Relative Policy Optimization (GRPO) 和 Evolution Strategies (ES) 两种方法，通过 Lean 编译器验证证明的正确性，实现高效并行计算，加速 AI 科学研究。