人工智能行业DeepSeek开源Prover-V2强推理模型：递归强化学习提升数学能力.pdfVIP

计算机设备

行业动态报告

目录

一、行业变化1

二、相关标的3

三、行情回顾4

四、产业要闻5

五、重要公告6

六、风险分析6

请务必阅读正文之后的免责条款和声明。

计算机设备

行业动态报告

一、行业变化

DeepSeek开源DeepSeek-Prover-V2

4月30日，深度求索（DeepSeek）在AI开源社区HuggingFace上，发布名为DeepSeek-Prover-V2-671B

的新模型，随后在GitHub等平台上公布了技术论文信息。据论文介绍，DeepSeek-Prover-V2是一个专为“数学

AI推理”Lean4中的形式化定理证明打造的开源大语言模型，目前在定理证明赛道上实现了业内最佳性能：

DeepSeek-Prover-V2-671B在MiniF2F测试中达到了88.9%的通过率，并成功解决了PutnamBench数据集中

658道题中的49道，在AIME24、25上也取得较高分数。

此次，DeepSeek团队发布了两个版本的DeepSeek-Prover-V2模型，参数规模分别为7B和671B。其中，

DeepSeek-Prover-V2-671B是在DeepSeek-V3-Base基础上训练而成，而DeepSeek-Prover-V2-7B则基于

DeepSeek-Prover-V1.5-Base构建，并支持最长32Ktokens的上下文长度扩展。

图表1：模型性能对比

资料来源：DeepSeek，中信建投

在数据初始化阶段，DeepSeek-Prover-V2通过DeepSeek-V3驱动的递归定理证明流程完成原始数据采集。

在冷启动过程中，首先通过分层推理引导，提示引导DeepSeek-V3将复杂数学命题拆解为高层次的证明草图，

并在此过程中同时将这些推理步骤用Lean4语言形式化，最终生成一系列结构清晰、逻辑严密的子目标。为了

降低计算开销，DeepSeek团队使用了更小的7B模型来完成每个子目标的证明搜索，从而降低计算负担。每个

子问题的求解结果会被编码为结构化逻辑单元，进而组合成具备因果关联的推理思维链，并融合DeepSeek-V3

的分布推导路径，最终将两类数据融合构建强化学习的初始训练数据。在对证明模型进行合成冷启动数据的微

调后，研究团队进一步引入强化学习阶段，进一步提升模型将非形式化推理转化为形式化证明的能力。在训练

过程中，遵循推理模型的通用目标，采用「对/错」二值反馈作为主要的奖励信号。

请务必阅读正文之后的免责条款和声明。

1

计算机设备

行业动态报告

通过此训练方法，可以将非形式化和形式化的数学推理融合到一个统一的模型中，使模型同时具备人类数