168运友物流平台下载

深度求索（DeepSeek）昨日（4月30日）在AI开源社区HuggingFace上，发布名为DeepSeek-Prover-V2-671B的新模型，随后在GitHub等平台上公布了论文信息。

IT之家援引论文介绍，DeepSeek-Prover-V2是一款专注于形式化数学推理的开源大型语言模型，基于DeepSeek-V3-0324，通过递归定理证明管道生成初始数据。

Deepseek推出了DeepSeek-Prover-V2-671B（结合V3基础大模型）、DeepSeek-Prover-V2-7B（增强模型）两个模型，以及DeepSeek-ProverBench数据集。

DeepSeek-Prover-V2-671B采用和DeepSeekV3-0324相同的架构，并非用于常规对话或者推理，而是用于形式化定理证明、专门增强数学能力的模型。

DeepSeek团队首先引导DeepSeek-V3模型将复杂定理分解为一系列子目标（subgoals），整合非形式与形式化数学推理，在Lean4平台上形式化证明步骤。

接着，利用一个较小的7B参数模型处理子目标的证明搜索，减轻计算负担。最终，结合完整的逐步证明与DeepSeek-V3的思维链（chain-of-thought），形成强化学习的“冷启动”数据。

在训练中，团队筛选出一批7B模型无法直接解决但子目标已被证明的难题。通过整合子目标证明，形成完整的形式化证明，并与DeepSeek-V3的推理过程对接，生成合成数据。

随后，模型微调这些数据，并通过强化学习进一步提升能力，以二元反馈（正确或错误）作为奖励机制。最终，DeepSeek-Prover-V2-671B在神经定理证明领域创下新高，在MiniF2F-test数据集上通过率达88.9%，在PutnamBench数据集中解决658个问题中的49个。

团队还发布了ProverBench基准数据集，包含325个形式化数学问题。其中，15个问题源自近期AIME竞赛（AIME24和25），涉及数论与代数，代表高中竞赛难度。

其余310个问题则来自精选教材和教学内容，涵盖线性代数、微积分、概率等多个领域。这一数据集旨在为高中竞赛和本科数学提供全面评估标准，推动模型在多样化场景下的测试与应用。

本文源自：IT之家