AI 与机器学习2025github.com
DeepSeekMath-V2：迈向可自我验证的数学推理
DeepSeekMath-V2: Towards Self-Verifiable Mathematical Reasoning
专业 · 约 75 分钟读完前置知识：LLM 推理、强化学习基础、数学证明与验证
导读
DeepSeekMath-V2 研究的是让数学推理模型具备"自我验证"能力——即模型不只生成自然语言证明，还要能自己检验证明是否正确。从评论看，该方法依赖模型对自身多个采样结果做验证，并在 Putnam 竞赛题上取得 118/120 的高分。
HN 关注点：HN 读者一方面震惊于模型在 Putnam 上的分数，另一方面质疑为何不用确定性的证明助手（如 Lean）而要让 LLM 自己验证自己，担心这种自验证存在循环论证问题。
HN 评论精选
这几条评论里：支持 1 质疑 3
质疑质疑为何需要 LLM 验证器，数学本应是可确定性检验的。
这里有点奇怪：为什么做一个能检查证明或任何数学相关内容的确定性程序这么难？数学本身是超级确定性的，不确定的只是自然语言。从第一性原理出发，应该可以在不用 LLM 验证器的情况下做到这一点。
awei查看英文原文
Something weird here, why is it so hard to have a deterministic program capable of checking a proof or anything math related, aren't maths super deterministic when natural language is not. From first principles, it should be possible to do this without a llm verifier.
质疑认为应走形式化证明助手路线而非自然语言证明。
这很酷，但我实在想不通他们为什么瞄准自然语言证明，而不是用证明助手（proof assistant）。
zaxioms查看英文原文
It's cool, but I genuinely cannot fathom why they are targeting natural language proofs instead of a proof assistant.
支持强调 Putnam 118/120 的成绩被低估，进步惊人。
大家是不是都忽略了它在 Putnam 上拿到 118/120 的第一名成绩？！虽然还要看它在即将到来的 2025 年测试中表现如何，但这已经很离谱了！过去一年模型能力的进步简直夸张（也有点吓人）。
dwohnitmok查看英文原文
Is everyone just glossing over the first place score of 118/120 on the Putnam?! I mean we'll see how it does on the upcoming 2025 test, but that's insane! We've seen absolutely ridiculous progress in model capability over the past year (which is also quite terrifying).
质疑担心用模型自身多次采样做验证存在循环性问题。
如果我理解得没错，它是用自身的多个采样来验证准确性，但这难道不是有问题吗？
gunalx查看英文原文
If i read it right it used multiple samples of itself to verify the aqccuracy, but isnt this problematic?
相关资源
从这篇论文所有 HN 讨论帖的全部评论里整理出来的链接。
历次讨论
- 2025Hacker News 讨论帖231 分 · 50 评
同领域还值得读
DeepSeek-R1：通过强化学习激励 LLM 的推理能力
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via RL
研究如何用强化学习激励大语言模型的推理能力，提出 DeepSeek-R1，并探讨 RL 训练对模型推理表现的影响。
AI 与机器学习2025 · 1,351 分 · 1,056 评 · 引用 30进阶 · 约 80 分钟编辑精选1-bit LLM 时代：面向低成本计算的三值参数
The Era of 1-bit LLMs: ternary parameters for cost-effective computing
提出用三值参数 {-1, 0, 1} 替代 LLM 中的浮点权重，即所谓“1-bit LLM”。
AI 与机器学习2024 · 1,040 分 · 447 评 · 引用 19进阶 · 约 45 分钟编辑精选DeepSeek-V3.2：推进开放大语言模型的前沿
DeepSeek-v3.2: Pushing the frontier of open large language models
这是 DeepSeek-V3.2 的技术报告，延续了 DeepSeek 开源权重模型的路线，目标是让开放模型继续逼近甚至追平前沿闭源模型。
AI 与机器学习2025 · 982 分 · 465 评进阶 · 约 90 分钟编辑精选通过自我对弈与通用强化学习掌握国际象棋和将棋（AlphaZero）
Mastering Chess and Shogi by Self-Play with General Reinforcement Learning
DeepMind 的 AlphaZero 论文：用通用强化学习算法（自我博弈 + MCTS + 神经网络），从零开始仅数小时训练便在国际象棋和将棋上击败了世界顶级引擎 Stock…
AI 与机器学习2017 · 539 分 · 270 评 · 引用 13进阶 · 约 90 分钟编辑精选用强化学习发现更快的矩阵乘法算法
Discovering faster matrix multiplication algorithms with reinforcement learning
论文提出 AlphaTensor，用强化学习搜索矩阵乘法算法。
AI 与机器学习2022 · 518 分 · 111 评专业 · 约 90 分钟编辑精选