江苏
↑阅读之前记得关注+星标⭐️，，每天才能第一时间接收到更新
DeepSeek王者归来！刚刚发布了DeepSeekMath-V2
在IMO 2025和 CMO（中国数学奥林匹克） 2024 中，DeepSeekMath-V2均达到了金牌水平。
在 Putnam（普特南数学竞赛。地位：北美地区「美国和加拿大」最顶尖、最负盛名的大学本科生数学竞赛） 2024 竞赛中，更是随着测试时计算量（test-time compute）的扩展，拿下了 118/120 的几近满分成绩。
这一成果表明，自验证数学推理（Self-Verifiable Mathematical Reasoning）是一条可行的研究路径
核心要点如下
为什么需要自验证？
过去一年，大语言模型通过基于最终答案正确性的强化学习，在AIME和HMMT等定量推理竞赛中取得了长足进步，甚至达到饱和
但这种方法面临根本性局限：
答案对 推理对：追求更高的答案准确率，并不能解决推理过程中的核心问题。
非数值任务失效：许多数学任务（如定理证明）需要严谨的逐步推导，而非简单的数值答案，无法应用基于最终答案的奖励机制
为了突破深度推理的极限，验证数学推理的全面性和严谨性至关重要。
特别是对于没有已知解决方案的开放性问题，自验证是扩展测试时计算量（scaling test-time compute）的关键
DeepSeekMath-V2 是怎么做的？
DeepSeek团队通过以下步骤实现自验证数学推理：
1.训练验证器：训练一个准确且忠实的大模型验证器（Verifier），专门用于定理证明。
2.训练生成器：将上述验证器作为奖励模型（Reward Model）来训练证明生成器
3.自我纠错：激励生成器在最终定稿前，主动识别并解决自身证明中的问题
4.动态进化：为了在生成器变强时保持“生成-验证”的差距，通过扩展验证计算来自动标注难以验证的新证明，生成训练数据以进一步提升验证器
评测结果
DeepSeekMath-V2在IMO-ProofBench（由DeepThink IMO-Gold背后的谷歌DeepMind团队开发）展现了强大的定理证明能力：
IMO 2025：达到金牌水平
CMO 2024：达到金牌水平。
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，可参考 DeepSeek-V3.2-Exp 的 GitHub 仓库
参考：
https://huggingface.co/deepseek-ai/DeepSeek-Math-V2-v2-towards-self-verifiable-mathematical-reasoning
--end--
最后记得⭐️我，这对我非常重要，每天都在更新：
欢迎点赞转发推荐评论，别忘了关注我
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
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.
