gongzb

摘要： 1. 总结 DeepSeekMath-V2 是 DeepSeek-AI 开发的、面向自验证数学推理的大语言模型，它针对传统基于最终答案奖励的强化学习（RL）在数学推理中存在 “正确答案不代表正确推理” 及 “无法适用于定理证明” 的局限，通过训练LLM-based 验证器（含元验证机制以减少虚假问题 阅读全文