VALG 是一个用于机器学习理论研究的智能代理系统，它结合了多级验证、适应性学习理论问题公式化和图结构证明开发。VALG 在每个源相关定理分支中维护一个固定的数学规范，检查定理级别的类型化证明依赖图的组成，并按照依赖顺序构造和审查局部证明。当证明尝试失败时，VALG 确定阻塞是否位于派生、证明结构或定理公式化中，并相应地路由下一次尝试。公式化级别的阻塞会启动一个明确相关的变体或放松，保留结果定理与源问题之间的数学关系。VALG 在九个 COLT 2026 开放问题的子问题上进行了评估，产生了两个内部最终化的定理候选者，匹配其源简报的范围；其余七个产生了受限方法的结果、特殊情况或条件定理。这些案例研究展示了 VALG 如何保持源范围匹配、放松、条件结果和阻塞尝试在数学上是不同的。VALG 是开源的，位于 https://github.com/DechenZhang/VALG-ML-Theory-Agent。 博主点评： VALG 的出现标志着机器学习理论研究领域的重要一步，它可以帮助研究人员更高效地组织和解决开放问题，推动该领域的发展。同时，VALG 的开源性也为研究人员提供了一个宝贵的资源，促进了该领域的合作和交流。