↑閱讀之前記得關(guān)注+星標(biāo)??，，每天才能第一時(shí)間接收到更新

DeepSeek王者歸來！剛剛發(fā)布了DeepSeekMath-V2

在IMO 2025和 CMO（中國(guó)數(shù)學(xué)奧林匹克） 2024 中，DeepSeekMath-V2均達(dá)到了金牌水平。

在 Putnam（普特南數(shù)學(xué)競(jìng)賽。地位：北美地區(qū)「美國(guó)和加拿大」最頂尖、最負(fù)盛名的大學(xué)本科生數(shù)學(xué)競(jìng)賽） 2024 競(jìng)賽中，更是隨著測(cè)試時(shí)計(jì)算量（test-time compute）的擴(kuò)展，拿下了 118/120 的幾近滿分成績(jī)。

這一成果表明，自驗(yàn)證數(shù)學(xué)推理（Self-Verifiable Mathematical Reasoning）是一條可行的研究路徑

核心要點(diǎn)如下

為什么需要自驗(yàn)證？

過去一年，大語言模型通過基于最終答案正確性的強(qiáng)化學(xué)習(xí)，在AIME和HMMT等定量推理競(jìng)賽中取得了長(zhǎng)足進(jìn)步，甚至達(dá)到飽和

但這種方法面臨根本性局限：

答案對(duì) 推理對(duì)：追求更高的答案準(zhǔn)確率，并不能解決推理過程中的核心問題。

非數(shù)值任務(wù)失效：許多數(shù)學(xué)任務(wù)（如定理證明）需要嚴(yán)謹(jǐn)?shù)闹鸩酵茖?dǎo)，而非簡(jiǎn)單的數(shù)值答案，無法應(yīng)用基于最終答案的獎(jiǎng)勵(lì)機(jī)制

為了突破深度推理的極限，驗(yàn)證數(shù)學(xué)推理的全面性和嚴(yán)謹(jǐn)性至關(guān)重要。

特別是對(duì)于沒有已知解決方案的開放性問題，自驗(yàn)證是擴(kuò)展測(cè)試時(shí)計(jì)算量（scaling test-time compute）的關(guān)鍵

DeepSeekMath-V2 是怎么做的？

DeepSeek團(tuán)隊(duì)通過以下步驟實(shí)現(xiàn)自驗(yàn)證數(shù)學(xué)推理：

1.訓(xùn)練驗(yàn)證器：訓(xùn)練一個(gè)準(zhǔn)確且忠實(shí)的大模型驗(yàn)證器（Verifier），專門用于定理證明。

2.訓(xùn)練生成器：將上述驗(yàn)證器作為獎(jiǎng)勵(lì)模型（Reward Model）來訓(xùn)練證明生成器

3.自我糾錯(cuò)：激勵(lì)生成器在最終定稿前，主動(dòng)識(shí)別并解決自身證明中的問題

4.動(dòng)態(tài)進(jìn)化：為了在生成器變強(qiáng)時(shí)保持“生成-驗(yàn)證”的差距，通過擴(kuò)展驗(yàn)證計(jì)算來自動(dòng)標(biāo)注難以驗(yàn)證的新證明，生成訓(xùn)練數(shù)據(jù)以進(jìn)一步提升驗(yàn)證器

評(píng)測(cè)結(jié)果

DeepSeekMath-V2在IMO-ProofBench（由DeepThink IMO-Gold背后的谷歌DeepMind團(tuán)隊(duì)開發(fā)）展現(xiàn)了強(qiáng)大的定理證明能力：

IMO 2025：達(dá)到金牌水平
CMO 2024：達(dá)到金牌水平。
Putnam 2024：取得118/120的超高分

快速上手

DeepSeekMath-V2建立在 DeepSeek-V3.2-Exp-Base 之上。

如需推理支持，可參考 DeepSeek-V3.2-Exp 的 GitHub 倉(cāng)庫(kù)

參考：

https://huggingface.co/deepseek-ai/DeepSeek-Math-V2-v2-towards-self-verifiable-mathematical-reasoning

--end--

最后記得??我，這對(duì)我非常重要，每天都在更新：

歡迎點(diǎn)贊轉(zhuǎn)發(fā)推薦評(píng)論，別忘了關(guān)注我