DeepSeek 发布开源权重数学模型，IMO 金牌水平震撼登场

DeepSeekMath-V2 是一款专注于数学推理的人工智能模型，它通过一种“自我验证”的机制来解决问题。该系统包含一个负责生成证明的“生成器”和一个负责检查证明步骤是否严谨的“验证器”。验证器会像老师一样给生成器的解答打分，并以此为奖励来指导生成器不断改进，最终产出逻辑严密的证明过程。这种方法使模型在国际数学奥林匹克（IMO）等顶级竞赛中取得了金牌水平的成绩，证明了AI不仅能算出正确答案，还能学会严谨的思考过程。

当前 AI 数学推理的局限

尽管大语言模型（LLM）在数学能力上进步显著，但它们依赖的方法存在根本性问题。目前主流方法通过奖励“正确的最终答案”来训练模型，但这并不能解决一个核心矛盾。

• 正确答案 ≠ 正确推理： 模型可能通过错误或侥幸的步骤得出了正确答案。
• 不适用于证明题： 许多数学任务，如定理证明，需要的是一步步严谨的推导，而不是一个最终的数值。因此，仅奖励最终答案的方法在这里行不通。

为了推动深度推理的极限，我们认为有必要验证数学推理过程的全面性和严谨性。

一种新的解决方案：自我验证

为了克服上述局限，研究人员提出了一种名为 自我验证 的新方法。其核心是训练一个能够准确评估数学证明过程的AI验证器。

这个系统主要由两部分构成：

• 证明生成器： 负责创建数学证明的步骤。
• 证明验证器： 经过专门训练，用于评估生成器给出的每一步证明是否准确、可信。

关键在于，验证器本身被用作一个 奖励模型。它会指导生成器在最终确定证明之前，尽可能多地识别和解决自身推理中的问题。这种“自查自纠”的机制能有效提升推理的严谨性。

令人瞩目的成果

通过这种自我验证的方法训练出的模型 DeepSeekMath-V2，在多个顶级数学竞赛中展现了强大的定理证明能力。

• IMO 2025： 取得了金牌水平的分数。
• CMO 2024： 取得了金牌水平的分数。
• Putnam 2024： 取得了接近满分（118/120）的成绩。

这些结果表明，自我验证的数学推理是一个可行的研究方向，可能有助于开发出能力更强的数学AI系统。