再創(chuàng)歷史！DeepSeek最新開源模型Math-V2實(shí)現(xiàn)IMO金牌水準(zhǔn)，提出可自驗(yàn)證的數(shù)學(xué)推理

大數(shù)據(jù)文摘受權(quán)轉(zhuǎn)載自頭部科技

文丨譚梓馨

繼OpenAI發(fā)布GPT-5.1、谷歌推出Gemini 3、Anthropic迭代Claude Opus 4.5之后。

11月27日晚間， DeepSeek團(tuán)隊(duì)在開源社區(qū)低調(diào)發(fā)布了一款新模型DeepSeekMath-V2，該模型展現(xiàn)出強(qiáng)大的定理證明能力，在IMO 2025和CMO 2024上取得了金牌水平成績，并在Putnam 2024上取得接近完美的118分（滿分是120分，人類選手的歷史最高分為90分）。

值得關(guān)注的是，這也是首個(gè)在IMO競賽中達(dá)到金牌水準(zhǔn)的開源模型，今年7月份，谷歌DeepMind的“Gemini Deep Think”曾斬獲IMO 2025金牌。
網(wǎng)友們稱贊：大藍(lán)鯨又回來了！

讓AI推理過程像數(shù)學(xué)家一樣嚴(yán)謹(jǐn)

DeepSeek這篇新模型論文講了什么？簡單來說，其改變了AI數(shù)學(xué)推理的既有路徑：從傳統(tǒng)的“結(jié)果導(dǎo)向”(只關(guān)注答案是否正確) 轉(zhuǎn)向“過程導(dǎo)向”(重視推理過程的嚴(yán)謹(jǐn)性和可驗(yàn)證性)。

核心創(chuàng)新是一種自驗(yàn)證架構(gòu)：首先訓(xùn)練一個(gè)基于LLM的精準(zhǔn)且可信的定理證明驗(yàn)證器；隨后以該驗(yàn)證器作為獎(jiǎng)勵(lì)模型，訓(xùn)練一個(gè)證明生成器，并激勵(lì)生成器在最終定稿前，自主識別并修正自身證明過程中的盡可能多的問題。

這一架構(gòu)使模型能像數(shù)學(xué)家一樣思考：自己寫證明→自己挑毛病→自己改到無懈可擊，實(shí)現(xiàn)了AI推理的“自我反思”能力。

DeepSeek團(tuán)隊(duì)在論文中表示，大語言模型（LLMs）在數(shù)學(xué)推理領(lǐng)域已取得顯著進(jìn)展，若能進(jìn)一步突破，有望對科學(xué)研究產(chǎn)生深遠(yuǎn)影響。

通過強(qiáng)化學(xué)習(xí)放大推理能力（該方法以最終答案的正確性為獎(jiǎng)勵(lì)導(dǎo)向），LLMs在一年內(nèi)實(shí)現(xiàn)了性能跨越式提升，然而，這種方法存在根本性局限：一味追求更高的最終答案準(zhǔn)確率，無法解決一個(gè)核心問題——正確答案并不等同于嚴(yán)謹(jǐn)?shù)耐评磉^程。

為突破深度推理的邊界，DeepSeek團(tuán)隊(duì)認(rèn)為有必要對數(shù)學(xué)推理的完整性與嚴(yán)謹(jǐn)性進(jìn)行驗(yàn)證，尤其在測試階段計(jì)算量擴(kuò)容場景下（例如面對無已知解的開放性問題時(shí)），自驗(yàn)證能力至關(guān)重要。

為避免生成器性能提升后出現(xiàn)“生成-驗(yàn)證能力差距”擴(kuò)大的問題，團(tuán)隊(duì)還提出通過擴(kuò)容驗(yàn)證計(jì)算量，自動(dòng)標(biāo)記新增的高難度驗(yàn)證樣本，進(jìn)而生成訓(xùn)練數(shù)據(jù)以持續(xù)優(yōu)化驗(yàn)證器。

最終，DeepSeekMath-V2 展現(xiàn)出卓越的定理證明能力：在2025年國際數(shù)學(xué)奧林匹克（IMO）、2024年中國數(shù)學(xué)奧林匹克（CMO）中均斬獲金牌級得分，且在2024年普特南數(shù)學(xué)競賽（Putnam）中，通過擴(kuò)容測試階段計(jì)算量，取得了118/120的近乎滿分成績，超越了人類參賽者90分的最高紀(jì)錄。

研究結(jié)果表明，可自驗(yàn)證數(shù)學(xué)推理是一條切實(shí)可行的研究路徑，有望助力研發(fā)出能力更強(qiáng)大的數(shù)學(xué)AI系統(tǒng)。

人類即便在沒有參考解法的情況下，也能識別證明中的問題——這是解決開放性問題時(shí)的關(guān)鍵能力。DeepSeek團(tuán)隊(duì)認(rèn)為，LLMs能夠通過訓(xùn)練獲得“無參考解法下識別證明問題”的能力。

利用“自我認(rèn)知”系統(tǒng)性提升數(shù)學(xué)推理

DeepSeekMath-V2的證明驗(yàn)證器與生成器構(gòu)成協(xié)同循環(huán)：驗(yàn)證器助力生成器優(yōu)化，而生成器性能提升后，會(huì)產(chǎn)出挑戰(zhàn)驗(yàn)證器當(dāng)前能力邊界的新證明。

這些挑戰(zhàn)性樣本（即驗(yàn)證器單次驗(yàn)證可能無法識別問題的證明），將成為提升驗(yàn)證器自身性能的寶貴訓(xùn)練數(shù)據(jù)。

在DeepSeek自研的CNML級別題目集中包含91道定理證明題，涵蓋代數(shù)（13道）、幾何（24道）、數(shù)論（19道）、組合數(shù)學(xué)（24道）和不等式（11道）五大類別，難度與中國全國高中數(shù)學(xué)聯(lián)賽（CNML）題目相當(dāng)，各模型在不同類別CNML級別題目上的得分顯示，DeepSeekMath-V2的性能持續(xù)優(yōu)于Gemini2.5-pro和GPT5-Thinking-High，展現(xiàn)出跨領(lǐng)域的卓越定理證明能力。

在2024年國際數(shù)學(xué)奧林匹克預(yù)選題（IMO Shortlist 2024）上，研究人員通過序貫優(yōu)化實(shí)現(xiàn)證明質(zhì)量提升。

針對每道題目啟動(dòng)了32條獨(dú)立的優(yōu)化線程，并通過最終驗(yàn)證器產(chǎn)出的32份驗(yàn)證分析報(bào)告進(jìn)行多數(shù)投票，判定證明的正確性。

結(jié)果顯示，模型自主篩選的最優(yōu)證明獲得了顯著高于線程平均水平的驗(yàn)證得分，這表明模型的生成器具備準(zhǔn)確評估證明質(zhì)量的能力；此外，隨著最大序貫嘗試次數(shù)的增加，單次通過率實(shí)現(xiàn)了實(shí)質(zhì)性提升，證明自驗(yàn)證機(jī)制能有效引導(dǎo)迭代優(yōu)化過程。

這些結(jié)果證實(shí)：DeepSeekMath-V2生成器能夠可靠區(qū)分高質(zhì)量證明與有缺陷證明，并利用這種自我認(rèn)知能力，系統(tǒng)性地提升其數(shù)學(xué)推理水平。

DeepSeek團(tuán)隊(duì)在論文總結(jié)中表示，推進(jìn)自然語言定理證明的發(fā)展將為形式化推理帶來顯著助力。期望通過本研究，為構(gòu)建真正可靠的數(shù)學(xué)推理系統(tǒng)做出貢獻(xiàn)——這類系統(tǒng)能夠同時(shí)借助非形式化洞察與形式化保障，推動(dòng)數(shù)學(xué)研究的進(jìn)步。

開源AI進(jìn)入中國主導(dǎo)階段

盡管不是科技巨頭，但DeepSeek一直是全球開源模型的創(chuàng)新探索引領(lǐng)者。

日前，麻省理工學(xué)院（MIT）和開源平臺Hugging Face合作的一項(xiàng)“開放智能經(jīng)濟(jì)”研究發(fā)現(xiàn)，過去一年中，中國開發(fā)的新型開源模型的下載總量占比上升至17%，在全球開源AI模型市場中比美國占據(jù)了更多關(guān)鍵優(yōu)勢。

研究還發(fā)現(xiàn)，美國、中國、英國的開發(fā)力量嚴(yán)重偏向產(chǎn)業(yè)端；而德國、法國及歐洲其他地區(qū)與線上開發(fā)力量則更均衡，涵蓋非營利機(jī)構(gòu)、高校及社區(qū)貢獻(xiàn)者。

行業(yè)權(quán)力格局正發(fā)生根本性重構(gòu)：谷歌、Meta和OpenAI主導(dǎo)的美國開源權(quán)重產(chǎn)業(yè)優(yōu)勢已大幅下滑，非關(guān)聯(lián)開發(fā)者、社區(qū)組織以及2025年崛起的中國產(chǎn)業(yè)力量逐漸崛起。
隨著DeepSeek、Qwen、Hunyuan、GLM、Kimi、MiniMax、ERNIE等多家開源模型的持續(xù)滲透，且不斷拉近與封閉模型之間的差距，或?qū)㈤_啟由中國開發(fā)者主導(dǎo)的新一輪市場權(quán)力整合。

注：頭圖AI生成

作者長期關(guān)注 AI 產(chǎn)業(yè)與學(xué)術(shù)，歡迎對這些方向感興趣的朋友添加微信Q1yezi，共同交流行業(yè)動(dòng)態(tài)與技術(shù)趨勢！

GPU 訓(xùn)練特惠！

H100/H200 GPU算力按秒計(jì)費(fèi)，平均節(jié)省開支30%以上！

掃碼了解詳情?

點(diǎn)「贊」的人都變好看了哦！