模型发布与性能突破 - DeepSeek在Hugging Face上新发布了数学推理模型DeepSeek-Math-V2 [1] - 新模型基于DeepSeek-V3.2-Exp-Base开发，性能优于Gemini DeepThink，实现了IMO金牌级水平 [5] - 在Putnam 2024竞赛中以扩展测试计算实现了接近满分的118/120分（98.3%）[20][21] 技术架构创新 - 公司提出由验证器、元验证和生成器组成的自我验证系统，类比“学生-老师-督导”机制 [12][13][17] - 验证器将证明过程分为三档评分：1分（完美）、0.5分（有小瑕疵）、0分（有根本错误）[16] - 元验证机制专门检查验证器评语的合理性，解决模型幻觉问题，提升评估准确性 [14] - 生成器具备自我评价功能，采用诚实奖励机制，对诚实指出错误的行为给予奖励 [17][18] 性能表现数据 - 在IMO 2025竞赛中取得83.3%的成绩，在CMO 2024中取得73.8%的成绩 [21] - 在IMO-ProofBench基准的Basic子集上达到近99%的高分 [22] - 在Advanced子集上表现略逊于Gemini Deep Think (IMO Gold) [22] 方法论突破 - 从“结果导向”转向“过程导向”，不再依赖最终答案正确性作为唯一奖励 [7][20] - 设计自动化闭环系统，通过“左右互搏”实现自我进化，自动筛选难题作为训练数据 [19][23] - 该方法不依赖大量数学题答案数据，而是教会AI像数学家一样严谨审查证明过程 [20]