Автор: zddeepseeker

Днес ще споделим DeepSeek R1, заглавие: DeepSeek-R1: Стимулиране на способността за разсъждение в LLMs чрез Reinforcement Learning: Стимулиране на способността за разсъждение на LLM чрез подсилващо обучение. Този документ представя първото поколение модели на разсъждение на DeepSeek, DeepSeek-R1-Zero и DeepSeek-R1. Моделът DeepSeek-R1-Zero беше обучен чрез широкомащабно обучение с подсилване (RL) без контролирана фина настройка (SFT) като начална стъпка,...

1 История По време на Пролетния фестивал DeepSeek R1 отново привлече широко внимание и дори статията за интерпретация на DeepSeek V3, която написахме по-рано, също беше препредадена и обсъждана много. Въпреки че има много анализи и репродукции на DeepSeek R1, тук решихме да съставим някои съответни бележки за четене. Ще използваме три…

Акценти Конкуренцията с DeepSeek е добра за САЩ Кати Ууд: Мисля, че това показва, че цената на иновациите пада драстично и че тази тенденция вече е започнала. Например, преди DeepSeek, разходите за обучение на изкуствен интелект паднаха със 75% на година, а разходите за изводи дори паднаха с 85% до...

Историята на Gemini 2.0 се ускорява. Експерименталната версия на Flash Thinking Experimental през декември донесе на разработчиците работещ модел с ниска латентност и висока производителност. По-рано тази година 2.0 Flash Thinking Experimental беше актуализиран в Google AI Studio за допълнително подобряване на производителността чрез комбиниране на скоростта на Flash с подобрени възможности за извод. Миналата седмица,…

Току-що друг местен модел беше добавен към списъка на Big Model Arena от Ali, Qwen2.5-Max, който надмина DeepSeek-V3 и се класира на седмо място в общата класация с общ резултат от 1332. Той също така надмина модели като Claude 3.5 Sonnet и Llama 3.1 405B с един замах. По-специално, той е отличен в програмирането...