江蘇
↑閱讀之前記得關注+星標??，，每天才能第一時間接收到更新
DeepSeek王者歸來！剛剛發(fā)布了DeepSeekMath-V2
在IMO 2025和 CMO（中國數(shù)學奧林匹克） 2024 中，DeepSeekMath-V2均達到了金牌水平。
在 Putnam（普特南數(shù)學競賽。地位：北美地區(qū)「美國和加拿大」最頂尖、最負盛名的大學本科生數(shù)學競賽） 2024 競賽中，更是隨著測試時計算量（test-time compute）的擴展，拿下了 118/120 的幾近滿分成績。
這一成果表明，自驗證數(shù)學推理（Self-Verifiable Mathematical Reasoning）是一條可行的研究路徑
核心要點如下
為什么需要自驗證？
過去一年，大語言模型通過基于最終答案正確性的強化學習，在AIME和HMMT等定量推理競賽中取得了長足進步，甚至達到飽和
但這種方法面臨根本性局限：
答案對 推理對：追求更高的答案準確率，并不能解決推理過程中的核心問題。
非數(shù)值任務失效：許多數(shù)學任務（如定理證明）需要嚴謹?shù)闹鸩酵茖В呛唵蔚臄?shù)值答案，無法應用基于最終答案的獎勵機制
為了突破深度推理的極限，驗證數(shù)學推理的全面性和嚴謹性至關重要。
特別是對于沒有已知解決方案的開放性問題，自驗證是擴展測試時計算量（scaling test-time compute）的關鍵
DeepSeekMath-V2 是怎么做的？
DeepSeek團隊通過以下步驟實現(xiàn)自驗證數(shù)學推理：
1.訓練驗證器：訓練一個準確且忠實的大模型驗證器（Verifier），專門用于定理證明。
2.訓練生成器：將上述驗證器作為獎勵模型（Reward Model）來訓練證明生成器
3.自我糾錯：激勵生成器在最終定稿前，主動識別并解決自身證明中的問題
4.動態(tài)進化：為了在生成器變強時保持“生成-驗證”的差距，通過擴展驗證計算來自動標注難以驗證的新證明，生成訓練數(shù)據(jù)以進一步提升驗證器
評測結果
DeepSeekMath-V2在IMO-ProofBench（由DeepThink IMO-Gold背后的谷歌DeepMind團隊開發(fā)）展現(xiàn)了強大的定理證明能力：
IMO 2025：達到金牌水平
CMO 2024：達到金牌水平。
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 倉庫
參考：
https://huggingface.co/deepseek-ai/DeepSeek-Math-V2-v2-towards-self-verifiable-mathematical-reasoning
--end--
最后記得??我，這對我非常重要，每天都在更新：
歡迎點贊轉發(fā)推薦評論，別忘了關注我
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
