DeepSeekMath-V2 把验证做成产品:验证算力随生成器一起扩展
le_james94 · x · 2026-09-16
lejames94 的九讲系列第 9 讲指出,DeepSeekMath-V2 不再把验证当作约束,而是把它做成产品:先训练一个验证器,再随生成器进步持续扩展验证算力,让验证始终领先一步。他也提醒:这条路在数学之外是否成立,无人知晓。结合前几讲的论据:METR 测得 o3 的 50% 时间视界约 110 分钟人类工作量、约每 7 个月翻倍,而 DeepScholar-Bench 上写相关工作章节没有系统能超过 31% 几何平均分;AlphaCode 每题采样 100 万个程序、AlphaCode 2 用约 100 个样本达到同等性能,样本效率提升超 1 万倍——生成器变强的同时,「挑选输出」的东西变强得多。他还质疑「可验证奖励的 RL 教会模型新能力」的说法:DeepSeekMath 的测量显示 RL 提升 Maj@K 而不提升 Pass@K,模型变得更一致而非更聪明;信号源呈阶梯:环境回答(ReAct)、测试套件(RLEF)、成文文档(Constitutional AI),循环不变但信号越来越便宜也越来越模糊;过程奖励模型训练曾需 80 万人标注,Math-Shepherd 用 rollout 替代人工(一步好不好取决于能否由此到达正确答案),把 GSM8K 从 77.9% 提到 84.1%。
所属事件:3 周精读斯坦福 CS329A：生成器已跑赢验证器(9 条相关)→
「模型」频道最新
- 别再按月租智能了:Anthropic 服务端新规再掀开模型之争 — alex_verem · 2026-11-02
- Epoch AI 实验：GLM 5.3 连续攻破 6 个 Firefox 版本，单次成本约 1000 美元 — rohanpaul_ai · 2026-11-02
- SemiAnalysis：安全分类器压分，Opus 5.5 与 GPT-6 Astra 排名被低估 — morqon · 2026-11-02
- 1.7B 本地模型 LFM3 在 MacBook 上首次答对曼城赛程查询 — NielsRogge · 2026-11-02
- Similarweb：Claude 升级页流量 9 月回升至 1760 万，逼近 5 月峰值 — firstadopter · 2026-11-02
- 开源 GLiNER-PII 单卡 550ms 抓出病历 13 项身份标识,仍漏医院名 — MaziyarPanahi · 2026-11-02