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
大湾区德比今晚开打!宏远VS香港金牛,徐杰又当小外,弗格正式复出

大湾区德比今晚开打!宏远VS香港金牛,徐杰又当小外,弗格正式复出

多特体育说
2026-11-21 00:08:16
泽连斯基回应克里米亚大桥被炸:我们的东西,想怎么处置就怎么处置

泽连斯基回应克里米亚大桥被炸:我们的东西,想怎么处置就怎么处置

桂系007
2026-11-20 09:09:12
日本东京万人集会抗议高市政权政策

日本东京万人集会抗议高市政权政策

新华社
2026-11-20 00:29:26
刘德华被问到多个流传多年的传闻,他亲口证实“都是真的”

刘德华被问到多个流传多年的传闻,他亲口证实“都是真的”

韩小娱
2026-11-19 08:49:36
A股:不必等开盘了,主力已经明牌!下周一将有更大的暴风雨?

A股:不必等开盘了,主力已经明牌!下周一将有更大的暴风雨?

虎哥闲聊
2026-11-21 00:00:04
如何看待夜盘人民币的大幅贬值?

如何看待夜盘人民币的大幅贬值?

M2M投研
2026-11-20 10:03:02
金融危机不是要来了,而是已经到来了:最先露馅的是黄金

金融危机不是要来了,而是已经到来了:最先露馅的是黄金

小陆搞笑日常
2026-11-20 16:00:23
兴奋剂违规!28岁国羽名将遭禁赛3年 曾获全运会冠军 教练被禁1年半

兴奋剂违规!28岁国羽名将遭禁赛3年 曾获全运会冠军 教练被禁1年半

我爱英超
2026-11-20 19:31:46
深圳 APEC 世纪晚宴菜单曝光,以地道粤菜为主,同时融入国际菜肴元素,菜品设计考量了哪些核心因素?

深圳 APEC 世纪晚宴菜单曝光,以地道粤菜为主,同时融入国际菜肴元素,菜品设计考量了哪些核心因素?

贵重物品爱美食
2026-11-19 22:17:48
34岁前国脚出来了!因赌球被终身禁足+获刑3年 与两名女网友合影

34岁前国脚出来了!因赌球被终身禁足+获刑3年 与两名女网友合影

念洲
2026-11-20 13:51:28
1999年,赖昌星带着3700万元进京,想打点海关总署副署长牟新生,结果连面都没见上;回去后他对厦门海关关长放话:以后想办法把他除掉

1999年,赖昌星带着3700万元进京,想打点海关总署副署长牟新生,结果连面都没见上;回去后他对厦门海关关长放话:以后想办法把他除掉

人生录
2026-11-06 07:30:25
油价调整:注意,预计下调460元/吨,下调力度再加码!

油价调整:注意,预计下调460元/吨,下调力度再加码!

金投网
2026-11-20 10:34:16
大幂幂不是白叫的

大幂幂不是白叫的

草莓解说体育
2026-10-24 07:40:22
WTT球星赛:男单4强出炉!中日各1人韩国2人,国乒战日本世界冠军

WTT球星赛:男单4强出炉!中日各1人韩国2人,国乒战日本世界冠军

全言作品
2026-11-21 00:06:58
任达华毁容烧声!半边烂脸急就医 狠甩鲜肉男星5巴掌超内疚

任达华毁容烧声!半边烂脸急就医 狠甩鲜肉男星5巴掌超内疚

ETtoday星光云
2026-11-19 10:11:03
浙江,女子与男子初次约会,点了2万多火锅,男子称腹痛离开,女子被逼支付6800元后报警,结果让人大跌眼镜!

浙江,女子与男子初次约会,点了2万多火锅,男子称腹痛离开,女子被逼支付6800元后报警,结果让人大跌眼镜!

黎兜兜
2026-11-20 23:35:29
昨晚比亚迪又发新车了!台下坐得人屁股生疼,友商当晚就失眠了

昨晚比亚迪又发新车了!台下坐得人屁股生疼,友商当晚就失眠了

小李车评李建红
2026-11-20 08:00:13
全网断货!销量大涨6倍,盒马紧急“警告”!

全网断货!销量大涨6倍,盒马紧急“警告”!

中国商报
2026-11-18 17:19:16
18个账户被冻结!杭州警方发布紧急通告

18个账户被冻结!杭州警方发布紧急通告

环球网资讯
2026-11-20 19:54:08
第五轮计算机学科排名出炉,实力梯队揭示排名的真实价值

第五轮计算机学科排名出炉,实力梯队揭示排名的真实价值

户外阿毽
2026-11-20 09:12:46
2026-11-21 01:52:49
观察者网 incentive-icons
观察者网
全球视野,中国关怀
157452文章数 1851585关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

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

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

亲子
艺术
家居
数码
军事航空

亲子要闻

宝宝气人但是聪明的4个行为

艺术要闻

投资55亿!深圳歌剧院施工现场更新,主音乐厅马蹄形已现!

家居要闻

2026建博会(广州) 公装联探展交流活动

数码要闻

苹果公布2026古典乐年度专辑:任奫灿《哥德堡变奏曲》获奖

军事要闻

美军在中东再成三航母之势

无障碍浏览 进入关怀版