文档建议反馈控制台
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
发布

不仅仅求得正确答案：DeepSeekMath-V2如何像数学家一样严格证明，并在顶级竞赛中超越人类

“正确答案”的陷阱：传统AI数学训练的根本局限传统上，训练AI进行数学推理的主流方法是利用强化学习（RL），即只有当AI给出的最终数值答案正确时，才给予奖励。...它学习像人类专家一样，去审阅一个数学证明的完整性和严谨性，并给出三级评分：1分：证明完整、严谨，所有逻辑步骤都得到了清晰的论证。0.5分：证明的整体逻辑正确，但存在次要错误或细节疏漏。...研究人员发现，这个AI老师可能会耍小聪明：它能准确地预测出一个错误证明应该得0分，但它为这个低分给出的理由却是凭空捏造的。这就像一个不负责任的裁判，虽然判罚结果正确，但判罚依据却是错的。...在为顶尖高中生举办的IMO 2025（国际数学奥林匹克竞赛）和CMO 2024（中国数学奥林匹克竞赛）中，该模型取得了金牌水平的成绩。...为这一分数提供一个震撼的对比：根据官方竞赛统计，2024年所有人类参赛者获得的最高分是90分。在与其它顶尖模型的内部基准测试中，DeepSeekMath-V2也表现出了一致的优势。

32710

从成绩平平到保送清华，如何变身“别人家的神童”？

80 90的叔叔阿姨们不禁挠头 “信息学”是啥 研究情报吗？...少儿编程可不止敲代码那么简单 鹅老师再次科普，编程可不是一些80、90后和孩儿爸妈眼中的“玩电脑玩不出未来”的妖魔行为。...其实，历代乐高机器人的主导开发者米切尔·雷克尼斯早就给出了答案——“创造力是编程的意义所在。”...当孩儿们开始编程之旅后，就像孙悟空开始了西天取经，路上的一切完全由自己手下的代码决定，正如孙悟空永远不知道师傅下一次会被哪个妖怪抓走，爸妈们也不知道孩儿们到底蕴藏了多少创造编程世界的潜力。...北京大学附属中学、深圳明德中小学、云南沧源县中小学就已经开设了由腾讯扣叮支持的编程课程，扣叮课程面向9-18岁的青少年同学，教学体系由北大信息科学技术学院、北京市十一中学、中国电子学会的专家老师和腾讯联合打造

87930
    • 您找到你想要的搜索结果了吗？
    是的
    没有找到

    从高考到奥林匹克竞技场：大模型与人类智能的终极较量

    过去两年，我们看到这种以大模型为代表的硅基智能的快速进化，从最初只能用来去解决小学题目, 到2022年，CMU等人[1]第一次把AI带到了“高考”考场，并在全国卷II英语上取得了134分的成绩，然而，那时候的...直至今年，2024高考刚刚落下帷幕，在无数学子在这一年一度的大考中奋力拼搏，展现了他们多年来的学习成果的同时，大模型也是空前第一次被全学科的拉到考场，并且在数理学科中取得巨大进步。...细粒度的评估：以往的benchmark往往仅评估大模型给出的最终答案是否与正确答案一致，这在非常复杂的推理问题的评估中是片面的，不能很好的反映出当下模型更加真实的推理能力。...左图：所有模型在所有进行推理过程评估的问题中的，答案的正确率和过程的正确率的相关性。右图：错误过程步骤位置的分布。...如上图，推理错误（包括逻辑推理错误和视觉推理错误）构成了最大的错误原因，这表明我们的基准有效地突显了当前模型在认知推理能力方面的不足，这与研究团队的初衷是吻合的。

    39010

    o1推理大模型到底有多强？

    数学能力大幅提升：在国际数学奥林匹克（IMO）资格考试中，GPT-4o 只正确解决了 13% 的问题，而o1推理模型的得分为 83%。...另一个收益的领域应该是coding，也就是能够辅助程序员进行AI编程，它在coding能力得测试在效果也是有很大的提升。Coding能力相比于gpt4o也有明显提升我之前曾经测试过o1大模型的能力。...用了高考题测试一下o1满血版的能力：编号为1，2，3，4，5，6的六个小球，不放回的抽三次，m表示前两次号码的平均值，n表示前三次号码的平均值，则m和n的差值不超过0.5的概率是多少先来看看正确的答案是...n两个数的差值不超过0.5，因此可以得到｜（ + ）/2−( + + )/3｜错误的答案...~然后我还测试过Qwen的QWQ推理模型，效果还是不尽人意，也是在穷举法的阶段给出了错误的答案：就连之前的o1-preview版本，对于这道题目也做不出来但是对于o1满血版本，发现它确实理解了题目，而且给出了正确的答案

    24310

    GPT-4王者加冕！读图做题性能炸天，凭自己就能考上斯坦福

    GPT-4在各种考试中，有几个测试几乎接近了满分： USABO Semifinal 2020（美国生物奥林匹克竞赛） GRE Writing 以美国 BAR律师执照统考为例，GPT3.5可以达到 10%...水平，GPT4可以达到90%水平。...GPT-4拿到之后，会先分析一波图片的内容，然后给出答案。 比如，逐图分析下面这个。...另外，如果运行出错了把错误信息，甚至错误信息截图，扔给GPT-4都能帮你给出相应的提示。 网友直呼：GPT-4发布会，手把手教你怎么取代程序员。 顺便提一句，用GPT-4还可以进行报税 。...当用户给出提示进行提问时，基础模型可以做出各种各样的反应，然而答案可能与用户的意图相差甚远。

    45220

    DeepSeek的模型，让AI第一次学会了反思。

    这个模型特殊的点，说人话就是，它不仅能给出答案，还能自己检查自己的解题步骤，自己给自己挑错，自己跟自己辩论，直到它自己觉得自己整个推理过程，完美无瑕。 而且，能力上，达到了奥林匹克金牌水平。...甚至有时候，它给你的最终答案，是靠着某个计算失误+另一个逻辑错误负负得正，最后歪打正着搞出来的。 这就是过去AI的通病，你说他对了吧，他也真对了，但是你要是跟他在过程中较个真吧，那也经常错的离谱。...比如它可能会冤枉一个好学生，把对的步骤判成错的，或者自己老眼昏花，没发现学生隐藏得很深的错误。 元验证器的作用，就是确保验证器的每一次评判都是公平、准确、有效的。...IMO（国际数学奥林匹克竞赛）：这是全世界高中生的最高殿堂。DeepSeekMath-V2在2025年的模拟赛里，6道题解出了5道。金牌水平。 CMO（中国数学奥林匹克竞赛）：中国最顶尖的数学竞赛。...真正的学习，不是向外寻求标准答案，而是向内致良知，达到一种内在的和谐与通透。 DeepSeekMath-V2，就是AI领域的一次非常有趣的，“致良知”。 有的时候我经常在想，人类的理性，到底是什么？

    35010

    谷歌、OpenAI学者谈AI：语言模型正在努力「攻克」数学

    这对语言模型来说，想要给出正确答案，可能就有点「吃力」了。 「当我们说计算机非常擅长数学时，意思是它们非常擅长特定的、具体的事情，」来自谷歌的机器学习专家 Guy Gur-Ari 表示。...如果过程中的任何一步出现错误，将会导致错误的答案。...在 MATH 数据集上，顶级语言模型的准确率为 7%，而人类研究生的准确率为 40%，奥林匹克冠军的准确率为 90%。在 GSM8K 数据集上（小学级别的问题），模型达到了 20% 的准确率。...此外，Minerva 还使用多数投票（majority voting），不是要求模型给出一个答案，而是要求它提出 100 种答案。在这些答案中，Minerva 选择最常见的一种答案。...但人们给出的答案不一致，会犯错误，也无法应用核心概念。在机器学习前沿中，边界是模糊的。

    52810

    7B模型数学推理击穿o1，直逼全美20%尖子生！四轮进化，微软华人新作爆火

    众所周知，在数学推理中，正确的最终答案并不能确保整个推理过程的正确性。错误的中间步骤会显著降低数据的质量。 然而，策略模型很难区分出来推理步骤到底正确还是错误的，从而很难去剔除低质量数据。...作者随机检查了20个问题样本，发现其中19个被错误标注为错误答案。因此，得出结论，剩余未解决的问题质量较低，因此在第4轮结束时终止了自我进化过程。...（3）除了像MATH、GSM8K和AIME这样的知名基准，rStar-Math还在其他高难度的数学基准测试上表现出了强大的泛化能力，包括奥林匹克数学基准、大学数学和国内的高考数学试题。...当模型出错时，它能够识别错误并通过正确的答案进行自我修正。然而，在开源的大语言模型中，这一能力通常表现得相当不好。 这次意外地观察到，MCTS驱动深度思考在问题求解过程中表现出自我反思。...如图4所示，模型最初使用SymPy在前三步中形成一个方程，但会导致错误的答案（左分支）。 有趣的是，在第四步（右分支），策略模型意识到其早期步骤的质量较差，并避免继续沿着最初的问题求解路径走下去。

    31210

    2025美国最新奥数题，让大模型集体翻车，DeepSeek R1平均分也不到5%

    然而，这些测试仅仅评估了最终答案，而忽略了推理和证明过程。...美国数学奥林匹克竞赛（USAMO）是全球最具挑战性的中学生数学竞赛之一。...首先，该赛事强调严格证明与逻辑严谨性，题目均为证明题，要求选手通过严密的逻辑推导和完整的数学语言呈现解答，而非仅给出数值答案（如 AIME）。...他们在 2025 年美国数学奥林匹克竞赛（USAMO）试题发布后立即测试了多个热门模型，结果令人失望：所有模型都表现欠佳，平均得分不到 5%。...这表明像 GRPO 这样的对齐技术可能无意中让模型认为每个数学问题都需要一个明确的框选答案，从而损害了其整体推理能力。 模式泛化 模型常表现出将小数值案例中观察到的模式过度泛化到更大未测试案例的倾向。

    36210

    9.9大还是9.11大？绕晕一大批AI大模型

    与此同时，一场面对AI的考核也被发起，大家纷纷测试身边的AI大模型，看看会不会发生同样的情况。...我们也来测试一下目前市场上主流的几家AI大模型： 1.Kimi大模型 2.文心一言 3.星火讯飞 4.豆包大模型 可以看出国产大模型在本次考试中表现的还是不错的，只有豆包一家出错，而且再次反问之后也很快纠正了自己的错误...分享 AI 大模型回答这一问题的表现时，来自 Google 前工程师、Allen AI 研究员 Bill Yuchen Lin 也将比较的数值换成了 13.11 和 13.8，再次问及大模型，没想到答案还是出错了...其评价道，「数学奥林匹克竞赛对人工智能来说更容易，但常识仍然很难。」 大型语言模型（LLM）在基础数学问题上有时会出错，尽管它们能够通过许多学术测试。...例如，有时它们会错误地认为 9.11 美元比 9.9 美元多，仅仅因为“11”比“9”大。然而，当它们进一步分析时，可能会发现实际上 90 美分比 11 美分多，从而不断修正自己的观点。

    28210

    让7B千问模型超越o1，微软rStar-Math惊艳登场，网友盛赞

    机器之心报道 机器之心编辑部 OpenAI o1 给大模型规模扩展 vs 性能的曲线带来了一次上翘。...拉到美国数学奥林匹克（AIME）的考场上，15 道题，rStar-Math 能够做对 8 道，在最优秀的高中数学竞赛生中也能排到前 20%。...首先，即使是强大的模型也难以持续解决难题，例如奥林匹克级别的数学问题。 因此，生成的训练数据将主要由更简单的可解决问题组成，限制了其多样性和质量。...如图 4 所示，模型最初在前三步使用 SymPy 形式化方程会写出错误答案（左分支）。 在我们的实验中，我们意外地观察到我们的 MCTS 驱动的深度思考在解决问题过程中表现出自反思。...如图 4 所示，模型最初在前三步使用 SymPy 形式化方程，这将导致答案错误 (左分支)。 但在第四步，模型就识别出了前几步的问题（右分支），并主动回溯采用更简单的方法重新求解，最终得到正确答案。

    40900

    腾讯云OCR × WorkBuddy：财报三表勾稽自动化Skills最佳实践

    " → 资产负债表"未分配利润"变动； ✅ 税会差异：利润表"所得税费用" vs 纳税申报表"应纳所得税"； ✅ 现金流勾稽：经营活动现金流 vs 利润表营业收入规模。...主要风险：手工录入错误率高，规则漏检高，扫描件/图片型 PDF 完全无法处理。...当用户需要识别发票图片中增值税专用发票、增值税普通发票、增值税电子专票、增值税电子普票、电子发票（普通/增值税专用）的全字段信息时,应使用此技能。...当用户需要对试卷图片或试题图片中的K12试卷或试题进行自动批改、手写答案识别、知识点分析时,应使用此技能。...支持整卷图片批改和单题图片批改,提供题目切题、正误判定、答案对比、错误分析、知识点输出等结构化评估结果。

    59153

    人工智能学会数学推理了，考试成绩比CS博士还高

    在 MATH 数据集上，谷歌的新模型能实现 50% 的准确率——此前对人类的评测结果是：「一个不特别喜欢数学的计算机科学博士生能答对大约 40%，而三届国际数学奥林匹克竞赛（IMO）金牌得主能达到 90%...谷歌研究科学家、论文作者之一 Aitor Lewkowycz 给出了更具体的评估示例。...结果表明，大约一半是计算错误，另一半是推理误差，原因是解决步骤没有遵循逻辑思考链。 错误类型。 同时，Minerva 也有可能得出正确的最终答案，但推理依然错误。...比如下图中的计算错误，模型错误地消去了方程两边的平方根。 下图为推理错误，模型在第四次练习中计算了罚球次数，但之后却将这一数字作为第一次练习的最终答案。...即使最终答案已知并且可以验证，模型也可以使用错误的推理步骤得出正确的最终答案，而这无法自动检测到。

    70020

    DeepSeekMath-V2：迈向可自我验证的数学推理（论文全文中文翻译）

    竞赛问题：IMO 2025 (6 题)：国际数学奥林匹克，大学预科学生的首要全球数学竞赛。CMO 2024 (6 题)：中国数学奥林匹克，中国的国家级锦标赛。...在普特南 2024（Putnam 2024）这一著名的本科数学竞赛中，我们的模型完全解决了 12 个问题中的 11 个，剩下的一个问题仅有轻微错误，得分为 118/120，超过了人类最高分 90。...该问题可能要求你证明一个陈述，或者要求一个答案。如果需要找到答案，你应该给出答案，并且你的最终解答还应该包含该答案有效性的严谨证明。...问题可能要求证明陈述，或要求答案。如果需要找到答案，解答应给出答案，并且还应是对该答案有效性的严谨证明。请根据以下标准评估解答并评分：- 如果解答完全正确，所有步骤都执行得当且展示清晰，则分数为 1。...该问题可能要求证明一个陈述，或者要求一个答案。如果需要找到答案，解答应给出答案，并且还应是对该答案有效性的严谨证明。

    68900

    DeepSeek V3.2 V3.2-Speciale 正式发布：开源阵营的又一次「硬刚闭源」时刻？

    更令人瞩目的是，V3.2-Speciale模型成功斩获IMO2025（国际数学奥林匹克）、CMO2025（中国数学奥林匹克）、ICPCWorldFinals2025（国际大学生程序设计竞赛全球总决赛）及...IOI2025（国际信息学奥林匹克）金牌。...值得说明的是，V3.2并没有针对这些测试集的工具进行特殊训练，也就是能够广泛适配不同的任务。官方举了一个例子，使用DeepSeek构建的“旅行助手”能够快速给出具体的旅游攻略出来。...当前在思考模式下，模型能够经过多轮的思考+工具调用，最终给出更详尽准确的回答。...基本上效果已经出来了~Q2：将单词“DeepSeek-V3.2-Exp”反过来写它是把每一个字符进行拆分，然后再合并结果，答案是对的。

    1.3K50

    “李飞飞团队50 美元炼出 DeepSeek R1”被质疑，上海交大本科生新“低成本推理”或成新宠！

    s1 团队构建的 s1K 数据集包含 1,000 个精心挑选的问题，包括数学竞赛问题、博士级别的科学问题、奥林匹克竞赛问题等，配有推理轨迹和答案，并通过三个标准进行验证：难度、多样性和质量。...看论文中给出的数据，最后一行就是论文的主要成果： 由此看出，在 AIME 2024 和 MATH 500 两个测试集中，s1 可以超过 o1-preview，但无论在哪个测试集，s1 都没有超过 o1...这种行为是否属于‘蒸馏’，取决于你对‘蒸馏’的定义，我没办法给出标准答案。”...为了尽可能延长模型的思考，他们将模型的思考放在标签内，当结束后，以 final answer 给出答案，同时，当 LLM 即将停止思考时，会强制输出 Wait 来迫使模型继续思考，通过这样的方式，模型会进入反思...，并可能会发现自己的错误。

    32710

    大模型为何难成为「数学家」？斯坦福等揭示严谨证明中的结构性弱点

    数学证明不仅要得出 “对” 的答案，更要给出逻辑闭合、层层严谨的推理过程。在不等式问题中尤其如此 —— 哪怕最终答案是对的，只要中间某一步出现纰漏，整个证明就可能不成立。...它们虽然无法直接生成可被形式系统接受的机器检查证明，却在 “非形式化推理” 方面表现出色 —— 也就是说，它们往往能给出看似合理、直觉对路的答案，并模仿人类在解决问题初期的思维方式。...测试集：共 200 道题目，由国际数学奥林匹克（IMO）奖牌得主手工设计、资深数学家审核，强调复杂策略组合与逻辑链深度。 验证集：共 100 道题目，题型与测试集保持一致，主要用于调参和中期评估。...Numerical Computation Judge（计算是否正确，包括基本代数运算或代入过程中的数值错误） 例如，把 23x76（应该等于 1541）计算成了 1641 就属于一种计算错误。...研究测试了包括 GPT-4、Claude、Gemini、Grok、Mistral、LLaMA 等在内的 29 款主流 LLM，发现： Grok 3 mini：最终答案准确率高达 71.5%，但经逐步评审后骤降至

    44010

    22岁天才少女获“编程界的奥林匹克”世界冠军！加入华为；传三星电子将进行大规模并购，英飞凌、恩智浦在列；马化腾称腾讯只是普通公司

    0122岁天才少女获“编程界的奥林匹克”世界冠军！...加入华为 1月11日消息，从华为心声社区获悉，2021年10月6日，俄罗斯下诺夫哥罗德国立大学的Valeria Ryabchikova和她的两个队友举起了“编程界的奥林匹克”——国际大学生程序设计竞赛（...第三季度净利润 395 亿元人民币，市场预估 326 亿元人民币。同比增长 3%。...三星电子DX事业群负责人韩钟熙日前在2022年消费性电子展(CES)被问到并购交易的可能性时说，公司很快公布好消息。...2021 年，三星依旧以 90,416 项专利排名第一，但是包括中国科学院、华为在内的 6 家中国实体拥有的发明专利都超过了 IBM。IBM 只排名第八。

    79720

    港大权威AB测试，国家队奥数题照样拿下

    本文中，OpenAI Orion-1模型面对的两张试卷，分别取自国际数学奥林匹克（IMO）和中国国家队训练营（CNT）的试题。...第一个数据集包含来自过去十年国际数学奥林匹克竞赛（IMO）的60个问题；第二个数据集包含来自中国国家队（CNT）训练营的60个问题（非公开）。 注：CNT训练营旨在为学生在中国的IMO比赛做好准备。...对于以证明为导向的问题，评分系统将2分分配给基本正确的思维链（表明解决方案的逻辑路径）；其余5分取决于LLM能否给出详细而严格的论点，强调数学证明中连贯推理的必要性。...此外，在最终解决方案部分突出的逻辑错误也很普遍，例如在回答搜索类型的问题时未能论证其他解决方案不存在。...在这个例子中，o1-mini提供了有用的直觉，并给出了正确答案，但 模型也没有解释为什么Amy不能占更多的点。 对于上图的问题，o1-mini测试了从1到18的整数，然后选择了几个较大的数字。

    25210

    AI 拿不到 IMO 铜牌？OpenAI：内部模型已可以拿金牌！GPT-5 即将发布！

    这个周末，许多人都在关注第 66 届国际数学奥林匹克竞赛（IMO）的结果。 中国队以 王者归来 之势，重夺冠军宝座。...国际数学奥林匹克（IMO），被誉为中学生数学竞赛的「世界杯」，是全球公认的衡量顶尖数学解题能力的巅峰舞台。其试题以极高的难度、深度和对创造性思维的要求而闻名。...• IMO (国际数学奥林匹克): 顶尖人类约需 100 分钟。 从 0.1 分钟到 100 分钟，这背后是 1000 倍 的推理复杂度跃迁。...「测试时计算扩展」则延续了 o1/o3 的推理 Scale law，模型并非简单地生成一个答案，而是利用大量的计算资源进行一种深度的「思考」过程。...可以说，OpenAI 的这项成果，不仅是一次技术突破，更是一记警钟，它让整个领域不得不重新评估 AGI 的发展速度和潜在风险。AI 的未来，可能比我们最大胆的想象，来得更快、更猛烈。

    19810
    点击加载更多

    相关资讯

    热门标签

    更多标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      腾讯云开发者

      扫码关注腾讯云开发者

      扫码关注腾讯云开发者

      领取腾讯云代金券

      热门产品

      热门推荐

      更多推荐

      Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

      深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 粤公网安备44030502008569号

      腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号

      领券