递归强化学习

DeepSeek发布数学推理模型DeepSeek-Prover-V2，包含7B和671B两个参数版本。该模型采用"递归+强化学习"训练方法，在MiniF2F测试集上达到88.9%通过率，解决了PutnamBench中的49道题目。关键技术包括：1) 使用DeepSeek-V3分解复杂定理生成子目标；2) GRPO算法从多个候选方案中自动学习最优解；3) 通过思维链整合非形式化推理与形式化证明。模型在AIME竞赛题和教科书题目上也表现优异，7B小模型意外在部分问题上超越大模型。论文指出该方法为通向AGI提供了正确路径，未来将扩展至IMO级别数学难题。...

特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅提供资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或遗漏，概不负任何法律责任。站长之家将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。任何单位或个人认为本页面内容可能涉嫌侵犯其知识产权或存在不实内容时，可及时向站长之家提出书面权利通知或不实情况说明，并提权属证明及详细侵权或不实情况证明（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。