Hiệu suất của Deepseek trên cả điểm chuẩn Toán học-500 và AIME 2024 làm nổi bật các khả năng lý luận toán học mạnh mẽ của nó. Đây là cách hiệu suất của nó trên các điểm chuẩn này bổ sung cho nhau:
Điểm chuẩn Math-500
Deepseek-R1 vượt trội so với điểm chuẩn Toán-500 với độ chính xác ấn tượng là 97,3%, hơi vượt qua điểm của OpenAI O1-1217 là 96,4%[4] [7]. Điểm chuẩn này kiểm tra các mô hình về các vấn đề toán học cấp trung học khác nhau đòi hỏi phải có lý do chi tiết. Hiệu suất mạnh mẽ của DeepSeek-R1 ở đây cho thấy khả năng xử lý một loạt các khái niệm toán học với độ chính xác cao.AIME 2024 Điểm chuẩn
Trên điểm chuẩn AIME 2024, đánh giá lý luận toán học nhiều bước tiên tiến, Deepseek-R1 đạt được tỷ lệ vượt qua 79,8%, vượt xa 79,2%của OpenAI O1-1217 [7]. Điểm chuẩn này tập trung vào các vấn đề toán học phức tạp và đầy thách thức hơn so với toán học-500. Hiệu suất của DeepSeek-R1 ở đây thể hiện khả năng của mình để giải quyết các nhiệm vụ lý luận toán học nâng cao một cách hiệu quả.Hiệu suất bổ sung
Bản chất bổ sung của hiệu suất của Deepseek trên các điểm chuẩn này nằm ở sự tập trung khác nhau của chúng:-Math-500 nhấn mạnh phạm vi bảo hiểm rộng rãi của các khái niệm toán học ở cấp trung học, nơi Deepseek-R1 cho thấy độ chính xác đặc biệt. Điều này cho thấy Deepseek rất phù hợp cho một loạt các vấn đề toán học đòi hỏi phải có lý luận đơn giản.
- AIME 2024 tập trung vào các vấn đề nâng cao, nhiều bước đòi hỏi sự hiểu biết và lý luận toán học sâu sắc hơn. Hiệu suất mạnh mẽ của Deepseek-R1 ở đây chỉ ra rằng nó cũng có thể xử lý các thách thức toán học phức tạp hơn.
Cùng với nhau, những kết quả này làm nổi bật tính linh hoạt của DeepSeek-R1 trong lý luận toán học, có khả năng bảo hiểm rộng rãi các khái niệm cơ bản và giải quyết vấn đề nâng cao. Điều này làm cho Deepseek-R1 trở thành một ứng cử viên mạnh mẽ trong các nhiệm vụ lý luận toán học khác nhau, từ nền tảng đến cấp độ nâng cao.
Hơn nữa, các chiến lược phát triển và đào tạo đằng sau Deepseek-R1, chẳng hạn như tạo dữ liệu đào tạo có thể kiểm chứng và các chức năng thưởng hiệu quả, góp phần vào hiệu suất mạnh mẽ của nó trong các điểm chuẩn này [2]. Cách tiếp cận này cho phép Deepseek-R1 tối ưu hóa quy trình đào tạo của mình, tập trung vào việc cải thiện hiệu suất trong các lĩnh vực cụ thể như toán học mà không yêu cầu các nguồn lực tính toán quá mức.
Trích dẫn:
[1] https://huggingface.co/deepseek-ai/deepseek-r1
[2] https://www.geekwire.com/2025/deepseeks-new-model-s
[3] https://www.byteplus.com/en/topic/404998
[4] https://www.vals.ai/benchmark/math500-03-13-2025
[5] https://www.prompthub.us/blog/deepseek-r-1-model-overview-and-how-it-ranks-against-openais-o1
[6] https://arxiv.org/html/2412.19437v1
[7] https://www.datacamp.com/blog/deepseek-r1
[8] https://www.vals.ai/benchmark/aime-2025-03-11