天才陈立杰已加盟OpenAI，负责数学推理。他16岁保送清华，后在UC伯克利担任助理教授，专注于计算复杂性理论，并在信息学竞赛中表现优异，发表多篇重要论文，近期研究扩散语言模型。

DeepSeek推出开源数学模型DeepSeekMath-V2，专注于自验证推理，表现超越谷歌和OpenAI，获得IMO金牌级分数。该模型通过迭代强化学习优化证明验证和生成，克服传统方法的局限性，展现出卓越的数学推理能力。

数学推理正成为人工智能的重要研究方向，机器逐渐掌握逻辑推演和多步思考。高质量、结构化的数据集对模型推理能力至关重要，数据集的多样性和可解释性是推动人工智能向“可解释智能”发展的关键特征。

蚂蚁集团发布了开源的万亿参数思考模型Ring-1T，具备接近GPT-5的能力，数学推理达到IMO银牌水平。该模型通过自研算法解决训练与推理精度差异，在医疗问答和人类偏好对齐测试中表现优异。Ring-1T是蚂蚁在万亿参数模型上的首次尝试，未来将继续优化。

研究团队提出了一种选择性熵正则化方法（SIREN），有效解决了大语言模型在RLVR训练中的“熵困境”。该方法通过限制探索范围、聚焦关键决策和稳定训练过程，精准调控探索行为，显著提升了模型在数学推理等任务上的表现。

阿联酋推出的K2 Think是全球最快的开源AI模型，速度超过2000 tokens/秒，参数仅32B，专注于数学推理，表现优异，具备多项技术创新。

字节推出的Seed-Prover模型在数学推理方面表现优异，解决了78.1%的国际数学奥林匹克（IMO）难题，并在普特南数学竞赛中取得显著成绩。该模型结合引理式证明和Seed-Geometry引擎，建立了独特的几何问题库，达到了IMO银牌水平。

香港大学、字节跳动Seed和复旦大学联合推出的Polaris方法，通过700步强化学习训练，使4B模型在数学推理能力上超越多款商业大模型，特别是在长文本生成方面表现突出。该方法强调动态调整训练数据和超参数，提升了模型的多样性和准确性。

本文介绍了MiniMax-M1模型的核心创新，包括闪电注意力和混合专家架构，显著提升了长文本处理能力。采用CISPO算法优化强化学习训练，提高效率并降低成本。模型在数学推理和工具调用等任务中表现优异，全面开源推动大模型应用普及。未来挑战包括数学推理优化和生态建设。

西北大学与谷歌合作提出贝叶斯自适应强化学习（BARL），首次阐释了大型语言模型（LLM）如何有效进行反思与探索新策略。研究表明，BARL在数学推理任务中表现优异，能够更高效地利用信息，避免无效反思，从而提升模型的决策能力。

Ubiquant团队提出了一种新方法——熵最小化（EM），仅需一条无标签数据和10步训练，显著提升大语言模型（LLM）性能，超越传统强化学习（RL）方法。EM通过优化模型预测的熵，增强模型自信，适用于数据稀缺场景，降低后训练成本。研究表明，EM在数学推理任务中表现优异，具有广泛应用前景。

DeepMind开源了形式化数学猜想库，收录经典数学猜想，鼓励用户贡献新猜想、改进引用或修复错误。陶哲轩支持该库，认为形式化表述是利用自动化工具解决开放性问题的重要步骤。