主要证据
- DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language ModelsS1 · 主要研究来源 · 论文 · 2024-02-05
- DeepSeekMath code, evaluation and model release repositoryS1 · 主要研究来源 · 代码仓库
DeepSeekMath 将大规模数学预训练与 GRPO 结合
该模型在 120B 数学相关 token 上继续预训练，再通过监督与强化学习阶段提升数学推理。
发生了什么？
DeepSeekMath-7B 在不使用外部工具或投票的情况下于 MATH 达到 51.7%，并提出 Group Relative Policy Optimization（GRPO）。
为什么重要？
它把开放数学模型扩展与适合可验证任务的强化学习方法连接起来，并影响了后续推理系统。
重要性说明：DeepSeekMath 将高质量开放数学语料管线与 GRPO 强化学习结合，后者随后成为推理模型训练中的重要方法。
历史脉络
证据与状态一览
- 重要性
- H2 · 领域里程碑
- 验证状态
- 论文已发布
- 证据等级
- E3 · 可检查工件
- AI 角色
- 仅计算支持
- 形式保障
- 有形式化工件
贡献与验证
- 数学新颖性
- 基准结果
- 接口
- 非形式化, 符号
- AI 贡献
- 训练后的模型执行竞赛级数学推理。
- 人类贡献
- 研究者构建数据管线、模型训练方案与 GRPO 优化方法。
- 验证状态
- 论文已发布 · E3 · 可检查工件 · 有形式化工件
- 最后审阅
- 2026-09-11
技术细节
- 系统
- deepseekmath
- 机构
- deepseek
- 数学问题
- math-benchmark
- 方法
- grpo, continued-pretraining, reinforcement-learning
全部来源与工件
- DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language ModelsS1 · 主要研究来源 · 论文 · 访问于 2026-09-10
- DeepSeekMath code, evaluation and model release repositoryS1 · 主要研究来源 · 代码仓库 · 访问于 2026-09-11
验证历史
- 2024-02-05 · 论文已发布 · E2 · 研究记录
Chronicle 依据所引 primary / official source 记录该事件；该状态不表示 Chronicle 已完成独立验证。
- 2026-09-11 · 论文已发布 · E3 · 可检查工件
本轮 corpus 刷新增补了由作者或发布机构维护、可直接检查的公开产物。E3 表示证据已达到可检查 artifact 层级，并不等同于底层科学或数学主张已获得独立验证。
更正
当前没有记录的更正。