DeepSeekMath-V2 拿到数学竞赛近乎满分，这意味着什么？

该文献介绍了 DeepSeekMath-V2 模型，这是一个旨在实现 自验证数学推理 的大型语言模型，突破了仅奖励最终正确答案的传统方法的局限性。核心方法论在于训练一个专业的 证明验证器，它能够根据逻辑的严谨性和完整性对生成的证明进行评分和严格的缺陷分析。随后，这个可靠的验证器被用作奖励模型，用于优化 证明生成器，激励生成器进行自我评估并迭代修改，直到无法再发现任何错误。为了确保验证过程的准确性，研究人员还引入了 元验证 机制，用于评估验证器所识别的缺陷是否合理且有依据。通过这种验证与生成协同的训练循环，DeepSeekMath-V2 在高级数学竞赛中表现出色，在包括 IMO 2025 和著名的 普特南数学竞赛 (Putnam 2024) 上取得了近乎满分的优异成绩。