网易首页 > 网易号 > 正文 申请入驻

DeepSeek上新:开源模型首达IMO金牌水平,AI推理告别“死记硬背”

0
分享至

(文/陈济深 编辑/张广凯)

在OpenAI发布GPT-5.1、谷歌推出Gemini 3系列的背景下,国内AI独角兽DeepSeek虽然迟迟未能带来基座模型的大更新,但也于本周三晚间低调发布了其最新的技术成果DeepSeek-Math-V2。

据官方披露的技术报告显示,DeepSeek-Math-V2拥有685B参数量,专注于提升大语言模型的数学推理与定理证明能力。在多项高难度数学竞赛基准中,该模型交出了一份极具冲击力的成绩单。

首先是顶尖竞赛表现,在2025年国际数学奥林匹克竞赛(IMO 2025)和2024年中国数学奥林匹克竞赛(CMO 2024)中,Math-V2均达到了金牌水平。特别是在被称为“数学界炼狱”的普特南(Putnam 2024)数学竞赛中,通过扩展测试计算(Test-time Compute),该模型取得了118分(满分120分)的近乎满分成绩,远超人类选手约90分的历史最高分记录。

其次是基准测试对比,在IMO-ProofBench基准测试的基础集(Basic)上,Math-V2得分接近99%,大幅领先谷歌旗下Gemini DeepThink (IMO Gold) 的89%。

在难度更高的进阶集(Advanced)上,Math-V2得分61.9%,虽然略低于Gemini DeepThink的65.7%,但作为开源模型,其性能已无限接近闭源商用模型的顶尖水平。

此外,团队在论文中透露,在自主构建的91个CNML(中国国家数学实验室)级别问题测试中,Math-V2在代数、几何、数论、组合学和不等式等所有类别中,均超越了GPT-5-Thinking-High和Gemini 2.5-Pro的表现。

从“做题机器”到“严谨数学家”

DeepSeek此次发布的时间点颇为耐人寻味。就在模型开源前不到24小时,前OpenAI首席科学家、AI教父Ilya Sutskever在一场访谈中直言,当前的AI模型更像是一个只会“死记硬背”的做题机器。DeepSeek Math-V2的发布仿佛是一次跨越时空的回应,其核心技术革新正是为了解决Ilya所担忧的“推理假象”问题,展现出一种不再满足于单纯结果正确的技术自觉。

传统的AI训练模式往往陷入“结果导向”的陷阱,即只要最终答案正确就给予模型奖励(Reward)。这种机制容易导致AI产生投机行为,为了获取奖励而猜测答案,即便中间逻辑混乱甚至错误。DeepSeek在技术论文中一针见血地指出,正确的答案并不保证正确的推理。为了根除这种“混子”行为,Math-V2采取了严苛的“死磕过程”策略。模型必须展示清晰、严谨的分步推导过程,只要中间步骤出现逻辑断裂,即便最终结果正确,系统也不会给予正向反馈。这一转变逼迫AI必须真正理解题目逻辑,而非依赖概率上的运气。

为了精准评估这些复杂的推理步骤,DeepSeek独创了一套多层级的“元验证”(Meta-Verification)机制。在以往的训练中,给AI的解题步骤打分是一项极具挑战的任务,单一的AI评判者也容易看走眼。为此,团队设计了一种类似“套娃”的监督架构:在AI“学生”做题、AI“老师”批改的基础上,引入了更高层级的“校长”角色来审查判卷的合理性。如果“老师”出现误判,“校长”会进行纠正。这种层层嵌套的监督体系,直接将评分系统的置信度从0.85提升至0.96,极大地保证了训练数据的质量。

更引人注目的是,Math-V2展现出了类似人类“三省吾身”的自我反思能力。在处理高难度定理证明时,模型不再是一路狂奔直达终点,而是像一位严谨的数学家一样,在推理过程中通过测试时间计算(Test-time Compute)进行停顿和自省。一旦发现逻辑漏洞,模型会自主推翻重写,直到逻辑链条无懈可击。这种从盲目计算向深思熟虑的进化,表明通往超级智能的路径并非只有算力的堆叠,更需要这种懂得“回头看”的智慧。

开源生态的强力反击

DeepSeek Math-V2的发布在海外开发者社区引发了强烈反响,被舆论称为“鲸鱼回归(The Whale is back)”。市场分析人士认为,DeepSeek以10个百分点的优势在基础基准上击败谷歌获奖模型,打破了顶级推理模型长期被闭源巨头垄断的局面。

有资深算法工程师对观察者网表示:“DeepSeek验证了‘自验证推理路径’的可行性。数学推理能力是代码生成、科学计算等任务的基石。行业普遍推测,DeepSeek极有可能将这一逻辑验证能力迁移至编程模型(Coding),届时将对现有的代码辅助工具市场产生巨大冲击。”

目前,全球AI大模型正处于从“文本生成”向“逻辑推理”进化的关键窗口期。DeepSeek此次“亮剑”,不仅证明了国产模型在高端算法领域的竞争力,也为开源社区提供了一条清晰的技术演进路线——即通过构建严谨的验证机制,而非单纯堆砌算力,来实现机器智能的质变。

目前DeepSeek新模型的代码与权重已在Hugging Face及GitHub平台完全开源,行业期待其后续在通用旗舰模型上的进一步动作。

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.

相关推荐
热点推荐
正式官宣!CBA总冠军外援回归,加盟浙江男篮

正式官宣!CBA总冠军外援回归,加盟浙江男篮

体坛瞎白话
2026-11-16 10:51:54
挪威主帅怒斥:哈兰德没赶上那九年,凭啥90%的版面都是他

挪威主帅怒斥:哈兰德没赶上那九年,凭啥90%的版面都是他

坠入温柔晚风
2026-11-17 06:19:37
公交改革来了!不再全由财政兜底,今后乘车、老年优惠会变吗

公交改革来了!不再全由财政兜底,今后乘车、老年优惠会变吗

铭记历史呀
2026-10-24 00:28:25
伊朗失去多位核物理学家,遇害核科学家之子曾问伊朗是否有核弹

伊朗失去多位核物理学家,遇害核科学家之子曾问伊朗是否有核弹

澎湃新闻
2026-11-16 23:39:04
张大奕官宣二胎出生,儿子正面照曝光,一家四口同框幸福满溢

张大奕官宣二胎出生,儿子正面照曝光,一家四口同框幸福满溢

生性洒脱
2026-11-16 12:30:41
刘伟骂郭德纲差辈认干爹,可他忘了,马志明是他亲师爷,石富宽是他干爹

刘伟骂郭德纲差辈认干爹,可他忘了,马志明是他亲师爷,石富宽是他干爹

手工制作阿歼
2026-11-17 02:14:58
白准备了!成都蓉城夺冠领奖台被拆了扔掉,山东球迷捡回家装饰狗窝

白准备了!成都蓉城夺冠领奖台被拆了扔掉,山东球迷捡回家装饰狗窝

念洲
2026-11-16 09:35:31
全场2分!联赛都打不明白,球迷怒问宫鲁鸣:为何用她当国手?

全场2分!联赛都打不明白,球迷怒问宫鲁鸣:为何用她当国手?

南海浪花
2026-11-16 07:05:07
男子想卖掉自家旧冰箱,废品回收的人只给50元;他直接把冰箱拉回家,拆成铜铝铁等金属再卖:共卖了260元,翻了5倍

男子想卖掉自家旧冰箱,废品回收的人只给50元;他直接把冰箱拉回家,拆成铜铝铁等金属再卖:共卖了260元,翻了5倍

芒果都市
2026-11-16 16:33:47
库尔图瓦确认:皇马需要的正是可刚可柔、能镇住局面又懂得拿捏分寸的穆帅

库尔图瓦确认:皇马需要的正是可刚可柔、能镇住局面又懂得拿捏分寸的穆帅

福酱的小时光
2026-11-16 07:03:57
当众拒唱国歌不认中国籍,把两个孩子全送出国,如今报应终于来了

当众拒唱国歌不认中国籍,把两个孩子全送出国,如今报应终于来了

鹤羽说个事
2026-09-02 16:51:59
楼市开始离谱了!福建的房价,可能会迎来新一轮洗牌,很现实

楼市开始离谱了!福建的房价,可能会迎来新一轮洗牌,很现实

坠入二次元的海洋
2026-11-16 16:29:44
男篮又开始闭门造车了?郭士强为避免战术提前曝光:热身赛全程封闭

男篮又开始闭门造车了?郭士强为避免战术提前曝光:热身赛全程封闭

篮球快餐车
2026-11-16 03:24:42
9集HBO Max科幻剧,把恐怖片拍成了宇宙史诗

9集HBO Max科幻剧,把恐怖片拍成了宇宙史诗

娱圈观察员
2026-11-16 01:46:55
大妈花50万买基金,账号忘了15年,孙子找回看到余额,全家愣住了

大妈花50万买基金,账号忘了15年,孙子找回看到余额,全家愣住了

黄家湖的忧伤
2025-08-12 17:05:12
受贿7881万余元 山东省政府原参事袭燕一审被判十二年六个月 并处罚金人民币三百六十万元

受贿7881万余元 山东省政府原参事袭燕一审被判十二年六个月 并处罚金人民币三百六十万元

闪电新闻
2026-11-16 22:11:35
家电白马,历史新高!HBM需求强劲,巨头加速扩产,机构资金抢筹8只概念股

家电白马,历史新高!HBM需求强劲,巨头加速扩产,机构资金抢筹8只概念股

数据宝
2026-11-16 12:40:22
“破圈”书记王常龙

“破圈”书记王常龙

闪电新闻
2026-11-16 19:09:25
宝马735Li跌到48.88万?D级豪车打五折 背后是豪华品牌的集体妥协

宝马735Li跌到48.88万?D级豪车打五折 背后是豪华品牌的集体妥协

阿芒娱乐说
2026-11-17 03:52:02
安徽一游乐设施突发故障!8人被困高空!游乐场:客流量较大导致,已办理退票…

安徽一游乐设施突发故障!8人被困高空!游乐场:客流量较大导致,已办理退票…

特种设备安全科普
2026-11-16 22:00:16
2026-11-17 07:00:49
观察者网 incentive-icons
观察者网
全球视野,中国关怀
157040文章数 1851582关注度
往期回顾 全部

科技要闻

硅谷大佬组局,帮黄仁勋杀回来!

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

官宣离婚不到1月,李小冉进医院

财经要闻

10万人逼宫英伟达 黄仁勋要复职了?

汽车要闻

多面新方盒捷途环游者EV开启预售 9.99万元起

态度原创

时尚
亲子
艺术
房产
旅游

大风降温,穿羊羔毛啊!

亲子要闻

一图读懂丨饮食与健康之母乳喂养

艺术要闻

这些“绝版合影”几乎永不再来,一张比一张震惊,最后一张直接看呆

房产要闻

6.6亿!海口卖地!

旅游要闻

传说一夜筑城,纳雍闹地山上,藏着被淡忘的水西屯!

无障碍浏览 进入关怀版