DeepSeek-Prover-V1.5，这是一个开源语言模型，专为精益 4 中的定理证明而设计，它通过优化训练和推理过程来增强 DeepSeek-Prover-V1。
该模型在 DeepSeekMath-Base 上进行预训练，专门研究形式数学语言，并使用源自 DeepSeek-Prover-V1 的增强形式定理证明数据集进行监督微调。
通过来自证明辅助反馈的强化学习 （RLPAF） 实现了进一步的细化。除了 DeepSeek-Prover-V1 的单通道全证明生成方法外，我们还提出了 RMaxTS，这是蒙特卡洛树搜索的一种变体，它采用内在奖励驱动的探索策略来生成多样化的证明路径。
DeepSeek-Prover-V1.5 比 DeepSeek-Prover-V1 有显著改进，在高中水平 miniF2F 基准测试集 （63.5%） 和本科水平 ProofNet 基准测试集 （25.3%） 上取得了新的最新结果。
Github地址：https://github.com/deepseek-ai/DeepSeek-Prover-V1.5
模型地址地址：https://huggingface.co/deepseek-ai/DeepSeek-Prover-V1.5-Base
论文地址：https://arxiv.org/abs/2408.08152
微信扫描下方的二维码阅读本文
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
评论(0)