DeepSeekMath-V2炸場！普特南競賽接近滿分，IMO 2025金牌，專攻“自驗證”推理

DeepSeek王者歸來！剛剛發佈了DeepSeekMath-V2

在IMO 2025和 CMO（中國數學奧林匹克） 2024 中，DeepSeekMath-V2均達到了金牌水平。

在 Putnam（普特南數學競賽。地位：北美地區「美國和加拿大」最頂尖、最負盛名的大學本科生數學競賽） 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

為什麼需要自驗證？

過去一年，大語言模型通過基於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侷限：

答案對  推理對：追求更高的答案精準率，並不能解決推理過程中的核心問題。

非數值任務失效：許多數學任務（如定理證明）需要嚴謹的逐步推導，而非簡單的數值答案，無法應用基於最終答案的獎勵機制

為了突破深度推理的極限，驗證數學推理的全面性和嚴謹性至關重要。

特別是對於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 是怎麼做的？

DeepSeek團隊通過以下步驟實現自驗證數學推理：

1.訓練驗證器：訓練一個精準且忠實的大模型驗證器（Verifier），專門用於定理證明。

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，主動識別並解決自身證明中的問題

4.動態進化：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註難以驗證的新證明，生成訓練資料以進一步提升驗證器

評測結果

DeepSeekMath-V2在IMO-ProofBench（由DeepThink IMO-Gold背後的GoogleDeepMind團隊開發）展現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。

如需推理支援，可參考 DeepSeek-V3.2-Exp 的 GitHub 倉庫 (AI寒武紀)