DeepSeek-Math-V2：自验证数学推理大模型（论文详解）DeepSeekMath-V2 是由 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” 及无法适配定理证明的局限性，通过训练准确且可信的验证器（含元验证机制以减少虚假问题识别）和以验证器为奖励模型的证明生成器（结合自验证实现迭代优化），构建 “验证器 - 生成器” 协同循环（生成器推动验证器处理更难证明，验证器通过扩展计算自动标注数据提升自身），最终在竞赛中表现优异：在IMO 2025和CMO 2024