打开网易新闻 查看精彩图片

↑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

打开网易新闻 查看精彩图片
打开网易新闻 查看精彩图片

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