Saya mengadopsi pendekatan Generator-Verifier serupa untuk penggunaan model dalam penelitian fisika teoretis. Pakar manusia di perbatasan sains dapat meningkatkan model Verifier ke titik bahwa operasi otonom sangat kuat bahkan pada masalah penelitian dunia nyata (bukan hanya masalah kontes matematika yang dibuat-buat = masalah yang diajukan dengan baik yang dapat diselesaikan dalam waktu terbatas oleh manusia). DeepSeekMathV2 Sinergi Antara Generator dan Verifier Generator dan verifikator bukti membentuk loop umpan balik yang meningkatkan diri. Saat generator menghasilkan bukti yang semakin kompleks, ini menantang verifikat, mengekspos kelemahan yang menjadi data pelatihan baru. Awalnya, para ahli manusia memandu pelatihan ulang verifikator dengan meninjau masalah yang ditandai — sebuah proses yang dibuat efisien dengan menghasilkan beberapa upaya verifikasi per bukti. "Meta-verifikasi" ini (memeriksa temuan verifikator daripada bukti secara langsung) terbukti lebih mudah bagi manusia dan lebih mudah dipelajari untuk LLM. Dengan menskalakan jumlah analisis dan pelatihan verifikator pada anotasi yang dibantu AI ini, verifikator akhirnya mencapai tingkat keandalan di mana intervensi manusia tidak lagi diperlukan dalam proses akhir — menutup lingkaran antara pembuatan bukti otomatis dan verifikasi.

Ini menjelaskan transisi dari alur Generator-Verifier dasar menggunakan model siap pakai, ke model di mana Verifier itu sendiri telah ditingkatkan melalui data pelatihan ahli manusia yang digunakan dalam meta-verifikasi.