我采用了类似的生成器-验证器方法来使用模型进行理论物理研究。 处于科学前沿的人类专家可以改进验证器模型，使其在现实世界研究问题上（不仅仅是人为设计的数学竞赛问题 = 可以在有限时间内由人类解决的良好问题）实现极强的自主操作能力。 DeepSeekMathV2 生成器与验证器之间的协同作用 证明生成器和验证器形成了一个自我改进的反馈循环。随着生成器产生越来越复杂的证明，这些证明挑战验证器，暴露出弱点，成为新的训练数据。最初，人类专家通过审查验证器标记的问题来指导验证器的再训练——这一过程通过为每个证明生成多个验证尝试而变得高效。这种“元验证”（检查验证器的发现而不是直接检查证明）对人类来说更容易，对大型语言模型（LLMs）来说也更易于学习。 通过扩大验证器分析的数量并在这些AI辅助的注释上进行训练，验证器最终达到了一个可靠性水平，在最终运行中不再需要人类干预——完成了自动证明生成与验证之间的闭环。

Suno 是非常优秀的 AI

华为最新手机中的麒麟9030。 ~5nm级工艺 = 中芯国际 + 华为合作 关于使用AI来改善DUV多图案化的传闻