DeepSeek veröffentlicht DeepSeek-Prover-V2 mit rekursiver Beweissuche und neuem ProverBench-Benchmark

DeepSeek AI hat DeepSeek-Prover-V2 veröffentlicht, ein quelloffenes großes Sprachmodell für formales Theorembeweisen in Lean 4. Es verwendet eine rekursive Pipeline zur Generierung von Trainingsdaten über DeepSeek-V3, erzielt hochmoderne Ergebnisse auf MiniF2F und PutnamBench und führt ProverBench ein, einen neuen Benchmark mit 325 Problemen.

DeepSeek

Neuer technischer Bericht zu DeepSeek-V3: Wie Hardware-Software-Co-Design kostengünstiges Training großer Modelle ermöglicht

Ein neues technisches Paper des DeepSeek-Teams, mit CEO Wenfeng Liang als Co-Autor, untersucht hardwarebewusstes Modell-Co-Design, um die Trainingskosten großer Sprachmodelle zu senken. Am Beispiel von DeepSeek-V3, trainiert auf 2048 NVIDIA H800 GPUs, werden Innovationen in der Speichereffizienz (MLA), spärlicher Berechnung (DeepSeekMoE), FP8-Training und verbindungsbewusstem Routing detailliert beschrieben.

DeepSeek NVIDIA Alibaba/Qwen Meta