Am adoptat o abordare similară de tip Generator-Verificator pentru utilizarea modelelor în cercetarea fizicii teoretice. Experții umani de frontieră a științei pot îmbunătăți modelele de verificatori până la punctul în care funcționarea autonomă este extrem de puternică chiar și pe probleme de cercetare din lumea reală (nu doar probleme de competiție matematică fabricate = probleme bine puse care pot fi rezolvate într-un timp finit de oameni). DeepSeekMathV2 Sinergia dintre generator și verificator Generatorul de demonstrații și verificatorul formează o buclă de feedback auto-îmbunătățire. Pe măsură ce generatorul produce demonstrații din ce în ce mai complexe, acestea provoacă verificatorul, expunând slăbiciuni care devin noi date de antrenament. Inițial, experții umani au ghidat reinstruirea verificatorului prin revizuirea problemelor marcate — un proces devenit eficient prin generarea mai multor încercări de verificare pentru fiecare dovadă. Această "meta-verificare" (verificarea constatărilor verificatorului, nu demonstrațiile directe) s-a dovedit atât mai ușoară pentru oameni, cât și mai ușor de învățat pentru LLM-uri. Prin scalarea numărului de analize și antrenamente ale verificatorilor pe aceste adnotări asistate de AI, verificatorul a ajuns în cele din urmă la un nivel de fiabilitate în care intervenția umană nu a mai fost necesară în ultimele execuții — închizând astfel cercul dintre generarea automată a probelor și verificare.

Aceasta descrie tranziția de la un pipeline de bază Generator-Verificator folosind modele gata de utilizare, la unul în care Verificatorul însuși a fost îmbunătățit prin datele de antrenament ale experților umani folosite în meta-verificare.