deepseekmath

DeepSeekMath。数学に特化したDeepSeekのLLM

1本の論文題名に登場

定義

DeepSeek が公開した数学特化の大規模言語モデル。ウェブから数学的な文書を大規模に選別して継続事前学習した点が中核で、7B 規模ながら競技数学のベンチマークで高い正答率を示した。ここで導入された強化学習手法 GRPO は、のちの推論特化モデルの学習にも引き継がれている。

固有名。数学特化LLM