理論物理学研究におけるモデル利用において、同様のジェネレーター・検証器アプローチを採用しました。 科学の最前線にいる人間の専門家は、検証モデルを改良し、実際の研究問題(単なる人工的な数学コンテスト問題=人間が有限時間で解けるよく定められた問題ではなく)においても非常に強力なレベルまで進化させることができます。 ディープシークマスV2 ジェネレーターと検証器のシナジー 証明生成器と検証器は自己改善フィードバックループを形成します。生成器がますます複雑な証明を生成するにつれ、これらは検証者に挑戦し、弱点を露呈させ、それが新たな訓練データとなります。当初、人間の専門家が検証者のフラグ付けされた問題をレビューすることで再学習を導きました。これは証明ごとに複数回の検証試行を生成することで効率的でした。この「メタ検証」(証明ではなく検証者の発見を確認すること)は、人間にとっても容易であり、LLMにとっても学習しやすいものでした。 検証分析数を拡大し、これらのAI支援注釈を学習することで、検証者は最終的に人間の介入が不要な信頼性レベルに達し、自動証明生成と検証のループを閉じました。

これは、既製品モデルを用いた基本的なジェネレーター・検証ツールパイプラインから、メタ検証に用いられる人間の専門家によるトレーニングデータによって検証器自体が改良されるものへの移行を示しています。