DeepSeekMath-V2：可自我验证AI，推动数学难题解决

可自我验证的AI系统，正逐步向解决研究级数学难题迈进。

智东西于11月27日报道，今日，DeepSeek开源了“奥数金牌级”模型DeepSeekMath-V2，该模型拥有强大的定理证明能力。

DeepSeekMath-V2在2025年国际数学奥林匹克竞赛（IMO 2025）和2024年中国数学奥林匹克竞赛（CMO 2024）中取得了金牌水平的成绩；在2024年普特南大学生数学竞赛（Putnam 2024）中也取得了接近满分的成绩，超越了人类最高的90分记录。

如下图所示，DeepSeekMath-V2以显著优势击败了谷歌的IMO金奖得主DeepThink模型。

这些成果表明，自验证数学推理是一个值得探索的研究方向，有望助力开发更强大的数学AI系统。

• Hugging Face地址： https://huggingface.co/deepseek-ai/DeepSeek-Math-V2
• 论文地址： https://github.com/deepseek-ai/DeepSeek-Math-V2/blob/main/DeepSeekMath_V2.pdf

按照惯例，DeepSeek会将新开源的模型直接上线其平台，我们第一时间进行了体验。

首先，我们让DeepSeek证明一道较简单的题目“证明根号2为无理数”，它迅速给出了正确答案。

当输入“证明奇数和偶数哪个多？”这一证明题时，DeepSeek也给出了正确证明过程和答案，大部分读者应该能够看懂。当然，对于更复杂的奥数级证明题，如果有读者能够看懂理解，可以进一步进行体验测试。

关于模型背后的研发问题，我们来看看论文内容。从现有研究来看，在数学推理领域，强化学习（RL）传统方法足以让大模型在主要评估最终答案的数学竞赛（如AIME和HMMT）中达到很高的水平。然而这种奖励机制存在两个根本性的局限：

首先，传统方法不能可靠地代表推理的正确性，模型可能通过有缺陷的逻辑或偶然的错误得出正确答案。

其次，它不适用于定理证明任务，这类任务中，问题可能不需要生成数值形式的最终答案，严谨的推导才是主要目标。

为此，DeepSeek建议在大型语言模型中开发证明验证能力，基于DeepSeek-V3.2-Exp-Base开发了DeepSeekMath-V2。他们让模型明确了解其奖励函数，并使其能够通过有意识的推理而非盲目的试错来最大化这一奖励。

DeepSeek制定了用于证明评估的高级评分标准，目的是训练一个验证器，使其能根据这些评分标准对证明进行评估，模拟数学专家的评估过程。以DeepSeek-V3.2-Exp-SFT的一个版本为基础，通过强化学习训练模型生成证明分析，训练过程使用了两个奖励组件：格式奖励和分数奖励。

免费vps云服务器