Tag DeepSeekMath-V2

DeepSeekMath-V2 (arXiv:2511.22570) 详解：把 reasoning 从 R1 的 outcome-based RL 推进到 process-aware RL。Generator-Verifier 双 685B 模型对抗式协同——verifier 给 generator 的每一步证明打分，generator 学会自我修正。在 IMO 2025 / CMO 2024 上获金牌、Putnam 2024 拿到 118/120（人类最高分仅 90），是开源数学推理模型第一次明确达到顶尖数学竞赛 gold 水位。