DeepSeek开发的DeepSeekMath-V2在数学推理方面取得显著进展，尤其在定理证明中表现优异，获得国际数学奥林匹克金牌和普特南接近满分。该模型通过自我修正和验证循环提升推理能力。

DeepSeek-R1展示了强化学习（RLHF）在大模型推理中的重要性，挑战了传统观念。通过去除Critic和采用组内统计方法，提升了训练效率，推动了RL后训练的变革，未来将向自我验证循环发展。

AI数学奥林匹克比赛冠军团队使用了NuminaMath 7B TIR模型，该模型是deepseek-math-7b-base的微调版本。第二名和第三名团队也使用了DeepSeek-Math-7B-RL模型，但微调了不同的参数。前四名团队都选择了DeepSeekMath-7B作为基础模型。NuminaMath 7B TIR模型在数学问题推理方面表现出色，但在几何问题上存在一定困难。