超越DeepSeek-R1，数学形式化准确率飙升至84% | 字节&南大开源
超越DeepSeek-R1，数学形式化准确率飙升至84% | 字节&南大开源当人工智能已经能下围棋、写代码，如何让机器理解并证明数学定理，仍是横亘在科研界的重大难题。
来自主题: AI技术研报
8594 点击 2025-07-30 11:01
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
当人工智能已经能下围棋、写代码，如何让机器理解并证明数学定理，仍是横亘在科研界的重大难题。
在社交平台上，「AI 帮我选基金，结果赚了 8%」、「AI 自动炒股，秒杀巴菲特？」之类的帖子不时刷屏，炒股机器人、对话式理财助手有关的 Agent 也不断涌现。
新一代大型推理模型，如 OpenAI-o3、DeepSeek-R1 和 Kimi-1.5，在复杂推理方面取得了显著进展。该方向核心是一种名为 ZERO-RL 的训练方法，即采用可验证奖励强化学习（RLVR）逐步提升大模型在强推理场景 (math, coding) 的 pass@1 能力。
AI四小强（如MiniMax、月之暗面）在黄仁勋认可下重新入局，全推出Deep Research抢占AI Agent市场。面对大厂竞争，他们放弃用户规模追逐，转向技术迭代如模型升级（K2、M1等），并分化两种路径操作。需通过出圈应用证明价值，应对成本高、增长放缓的盈利压力。
放眼当下，到底哪个芯片跑满血DeepSeek是最快的？ 答案很意外——不是你以为的英伟达，而是一家国产GPU。 因为现在它的速度，已经直接来到了100 tokens/s！
谷歌DeepMind不信邪。 这不前脚，谷歌刚获IMO金牌，小扎就光速挖走三名核心团队成员。 如此抓马又无语，更多人都劝谷歌DeepMind小心点儿吧，要不以后论文署名都匿名吧，实在不行学习中国互联网公司用花名吧……
前两周，广东某国企发了篇万字标文，以预算四十万招标一台DeepSeek一体机。 近乎30页的文档里，采购明细表短短6行，所需的芯片类型等关键指标，只字未提。“看这个标就知道，大家完全没把一体机用起来”，业内人士直言。
又到了一年一度“中国AI春晚”WAIC，各家大厂动作频发的时候。 今年会有哪些看点？你别说，我们还真在扒论文的过程中，发现了一些热乎线索。 比如蚂蚁数科的金融推理大模型，发布会还没开，技术论文已悄咪咪上线。 金融领域的推理大模型，你可以理解为金融领域的DeepSeek，带着SOTA的刷榜成绩来了。
如何理解大模型推理能力？现在有来自谷歌DeepMind推理负责人Denny Zhou的分享了。 就是那位和清华姚班马腾宇等人证明了只要思维链足够长，Transformer就能解决任何问题的Google Brain推理团队创建者。 Denny Zhou围绕大模型推理过程和方法，在斯坦福大学CS25上讲了一堂“LLM推理”课。
无需复杂编程，仅通过观看视频就能破解光照、反射等物理规律。Hassabis畅想，在AI驱动的游戏世界，玩家每一步都将触发独特的故事，成为个人化的冒险乐园。