人工智能领域迎来重要突破，一款名为DeepSeekMath-V2的数学推理模型正式开源。该模型在国际顶级数学竞赛中展现出惊人实力，不仅在2025年国际数学奥林匹克竞赛（IMO）和2024年中国数学奥林匹克竞赛（CMO）中达到金牌标准，更在2024年普特南大学生数学竞赛中取得118分的接近满分成绩，远超人类选手最高分90分。
在直接对比测试中，DeepSeekMath-V2以显著优势击败谷歌的IMO金奖模型DeepThink。实验数据显示，该模型在代数、几何、数论、组合数学和不等式等所有CNML级别问题类别中，均超越GPT-5-Thinking-High和Gemini 2.5-Pro等主流模型，展现出全面的定理证明能力。特别是在处理2024年IMO备选题时，经过自我优化后的证明质量显著提升，验证分数较平均水平提高37%。
研发团队突破传统数学推理框架，创新性地将证明验证能力融入大型语言模型。通过构建包含17503道竞赛题目的强化学习数据集，结合专家评分和模型生成的候选证明，开发出独特的双奖励训练机制。该机制包含格式奖励和分数奖励两个组件，确保模型既能遵循数学证明的规范格式，又能准确评估证明的逻辑严谨性。为防止验证器虚构问题获取奖励，研究引入元验证机制，形成二次评估闭环。
模型采用生成器-验证器协同架构，验证器负责逐步检查证明过程，生成器则根据反馈修正错误。这种自我迭代机制使模型在处理2025年IMO六道赛题时成功解决五道，另一道获得部分分数；在CMO竞赛中完成四道完整解答。特别值得注意的是，对于未完全解决的问题，模型能精准定位证明中的关键缺陷，而完全解决的题目则通过全部64次验证测试。
实际测试显示，该模型能正确处理从基础到奥赛级别的数学证明。当被要求证明"根号2为无理数"时，模型迅速给出完整逻辑链条；面对"奇数和整数哪个多"的证明题，模型提供的解答过程清晰易懂。这些案例表明，模型不仅具备专业数学能力，还能将复杂逻辑转化为可理解的表达形式。
尽管在顶级数学难题上仍面临挑战，但研究证实大型语言模型能够培养有意义的自我评估能力。通过扩大验证和生成计算规模，模型已能解决需要人类竞争者数小时思考的复杂问题。这种可自我验证的数学推理系统，为开发更强大的AI数学工具开辟了新路径，特别是在处理需要严谨推导而非简单答案的定理证明任务中展现出独特优势。
