当前位置:首页 > Deepseek使用教程 > 正文内容

DeepSeek“五一礼包”来了!新开源模型数学推理能力大提升|附实测细节

3周前 (05-01)Deepseek使用教程82

赶在五一假期前夕,DeepSeek给我们送出一份惊喜大礼。

延续一贯的开源节奏,DeepSeek在Hugging Face正式发布DeepSeek-Prover-V2,并同步上线模型卡及示例代码。此次共推出两个版本:

DeepSeek-Prover-V2-7B:基于上一代V1.5模型,支持最长32K上下文输入;

DeepSeek-Prover-V2-671B:在DeepSeek-V3-Base基础上训练,推理性能最强。

*核心贡献者 †在 DeepSeek-AI 实习期间完成的工作,扫描文末二维码,进社群获取完整报告

据官方论文披露,DeepSeek-Prover-V2的训练核心是「递归+强化学习」的组合:即先由DeepSeek-V3拆解复杂定理,生成一系列子目标和推理思路;再通过GRPO算法,从多种候选方案中自动学习如何选出最优解。

模型特别引入了两种互补的「解题风格」:

快速模式(non-CoT):专注于速度,像是一位熟练工匠,直接生成精炼的Lean代码答案,不展示思考过程,适合处理大量题目。

逻辑模式(CoT):更像一个耐心的数学老师,会详细列出每一步推理过程,确保逻辑清晰、思路透明。

训练过程分为两阶段,在第一阶段,研究人员主要训练快速模式,采用「专家迭代」方法:模型先尝试解决难题,成功的答案再作为新数据反哺模型,不断打磨自己的能力。

待快速模式趋于稳定后,研究人员进入第二阶段,开始训练更复杂的逻辑推理能力。他们将DeepSeek-V3的数学知识迁移到新模型中,并结合形式化数据,引入「冷启动」机制,构建起更复杂的推理路径。

为了进一步提升推理能力,研究人员引入了GRPO的强化学习算法,不同于传统的 PPO,它直接在多个候选答案中比较优劣,引导模型自主学会选择最优解。

具体做法是:每次输入一个定理,系统会生成32个不同的证明方案,然后只保留被 Lean 验证系统判定为「正确」的答案(奖励1分,否则0分),这样模型就能在高质量反馈中不断进化。

在开发出性能强大的671B模型后,DeepSeek研究团队又尝试把这些能力「蒸馏」到更小的7B模型中,而整个过程就像是师傅教徒弟:

先用大模型生成解题过程,再教会小模型理解并复现;同时将小模型输入长度扩展至与大模型一致,并经历相同的强化训练。

这样,即便在资源有限的设备上,用户也能使用小体积模型获得接近大模型的数学推理能力,并根据需求选择快速或详细解题风格。

整个体系中,DeepSeek-V3负责拆解复杂定理,生成自然语言的推理草图,同步转译为 Lean 语言表示的一系列子目标,并生成「思路链」作为中间引导。

7B模型再一步步完成子证明,最终拼接成完整推理。这种「模糊思考 + 精确证明」的训练机制,有效提升了小模型的数学理解深度。

在最终性能评估中,DeepSeek-Prover-V2-671B在MiniF2F测试中实现了88.9%的通过率,成功解出PutnamBench数据集中的49道难题。

与此同时,DeepSeek还同步推出了一个全新的数学形式化数据集ProverBench,共包含325道问题题目。涵盖:

AIME 竞赛题(15 题)

数论、代数、线性代数、微积分、实分析等多个方向

这一数据集不仅包含真实的高中竞赛题目,还涵盖从基础代数、实变分析到概率论等多个本科阶段知识点,能够系统评估模型在不同数学领域的推理能力。

结果显示,在15道AIME竞赛题中,DeepSeek-Prover-V2成功解出其中6道,而 DeepSeek-V3使用多数投票方式(majority voting)则解决了8道。

按照官方的说法,这组对比凸显出一个重要趋势:大型语言模型在「非正式数学推理」和「正式数学推理」之间的表现差距正在明显缩小。

非正式数学推理:指模型像人类一样用自然语言思考、理解并解答数学题,比如我们日常说「这道题怎么算?」的方式。它更灵活、不需要严格的逻辑形式。

正式数学推理:指模型能用像Lean这样的形式语言,写出符合数学逻辑、可被验证器检验的严谨证明。它像数学论文中的证明,强调每一步推理都必须严格准确。

换句话说,过去模型更像是「会算但不会写出严谨证明」。而现在,在模型结构和训练策略不断演进下,语言模型也逐步学会了写出规范、可验证的数学证明。

此外,DeepSeek 宣布新模型的使用将遵循其公开许可证。

https://github.com/deepseek-ai/DeepSeek-Prover-V2/blob/main/LICENSE-MODEL

目前,Prover-V2系列已可通过Hugging Face平台免费下载,并支持Transformers接口部署。Novita AI是首批上线Prover-V2-671B推理服务的第三方提供商,我们也借此测试了一些问题。

经典的「一根 5.5 米长的竹竿可以通过高 4 米宽 3 米的门吗?」很遗憾,结果它没答对。

对于这道抽象代数,它的回答不仅正确,还能从基本定义出发,解释了什么是群同态、Z₁₂和Z₄的含义,以及同态的运算规则,显然,这对于初学者很友好。

从论文所透露的方向来看,DeepSeek-Prover-V2给出的不仅是数学答案,更指明了语言模型下一阶段的可能路径。

如果说过去我们关心的是大模型「能说什么」,那么在Prover-V2身上,我们得需要关注它「能证明什么」。

数学只是切入口,推理才是DeepSeek这次真正下注的方向。

从生成内容迈向生成结构化逻辑,这条路线不够性感,也不容易讲故事,却可能最早触碰通用人工智能的底层结构。

毕竟,AI可以不懂人情世故,但它必须学会推理,因为任何知识系统的边界,归根结底都是逻辑能否闭环、以及推理能否成立。


“DeepSeek“五一礼包”来了!新开源模型数学推理能力大提升|附实测细节” 的相关文章

DeepSeek全球时刻,全球南方有望破“智能鸿沟”

DeepSeek全球时刻,全球南方有望破“智能鸿沟”

【导读】4月26日,全球南方系列十讲的第二讲“数字技术在全球南方的开源与共享”,在华东师范大学普陀校区举办。华东师范大学政治与国际关系学院教授余南平做主讲,并在圆桌环节与华东师范大学上海人工智能金融学...

中国信通院:启动DeepSeek国产化适配测试工作

中国信通院:启动DeepSeek国产化适配测试工作

中新网北京2月14日电(记者 宋宇晟)近期,DeepSeek陆续开源V3、R1系列高性能、低成本模型,人工智能软硬件协同创新重要性进一步凸显。记者从中国信息通信研究院(简称“中国信通院”)获悉,Dee...

多地组织干部学用DeepSeek!专家称人员要调整观念

多地组织干部学用DeepSeek!专家称人员要调整观念

在各地政务系统密集宣布接入DeepSeek的同时,苏州、郑州、来宾、延安等地也掀起了一阵组织领导干部学用人工智能辅助决策、拥抱新技术的热潮。2月18日,清华大学新闻学院、人工智能学院双聘教授沈阳在接受...

全省首个!九江DeepSeek生态环境大模型部署上线

全省首个!九江DeepSeek生态环境大模型部署上线

近日,九江市生态环境局正式部署上线DeepSeek-生态环境大模型,该模型是九江市首个部署上线的DeepSeek大模型,将为九江市乃至全省生态环境系统提供个性化、智能化的AI服务,标志着九江市在“AI...

广州津虹YY直播深度融合 DeepSeek,“YYDS”打造智能社区新生态

广州津虹YY直播深度融合 DeepSeek,“YYDS”打造智能社区新生态

DeepSeek热度攀升,广州津虹携“YYDS”开启智能社区新篇在当今科技飞速发展的时代,开源大模型领域风起云涌,DeepSeek作为其中的重要产品,凭借其卓越的技术优势与出色的性能表现,犹如一颗璀璨...

钢铁大模型“拥抱”DeepSeek擦出新火花

钢铁大模型“拥抱”DeepSeek擦出新火花

本报讯(记者贡宪云)前不久,河钢数字WeShyper(威赛博)钢铁大模型正式接入DeepSeek(深度求索)。这款河北钢铁大模型“拥抱”DeepSeek,将擦出什么样的火花?“DeepSeek具有长文...