লেখক: zddeepseeker

আজ আমরা DeepSeek R1, শিরোনাম: DeepSeek-R1: রিইনফোর্সমেন্ট লার্নিং এর মাধ্যমে LLM-এ যুক্তির ক্ষমতাকে উৎসাহিত করা: রিইনফোর্সমেন্ট লার্নিংয়ের মাধ্যমে LLM-এর যুক্তির ক্ষমতাকে উৎসাহিত করা। এই প্রবন্ধে DeepSeek-এর প্রথম প্রজন্মের যুক্তি মডেল, DeepSeek-R1-Zero এবং DeepSeek-R1 উপস্থাপন করা হয়েছে। DeepSeek-R1-Zero মডেলটিকে প্রাথমিক পদক্ষেপ হিসেবে তত্ত্বাবধানে থাকা ফাইন-টিউনিং (SFT) ছাড়াই বৃহৎ-স্কেল রিইনফোর্সমেন্ট লার্নিং (RL) এর মাধ্যমে প্রশিক্ষণ দেওয়া হয়েছিল,…

১ পটভূমি বসন্ত উৎসবের সময়, DeepSeek R1 আবারও ব্যাপক মনোযোগ আকর্ষণ করে, এমনকি আমরা পূর্বে যে DeepSeek V3 ব্যাখ্যামূলক প্রবন্ধটি লিখেছিলাম তাও পুনঃপ্রচারিত এবং প্রচুর আলোচনা করা হয়েছিল। যদিও DeepSeek R1 এর অনেক বিশ্লেষণ এবং পুনরুৎপাদন করা হয়েছে, এখানে আমরা কিছু সংশ্লিষ্ট পাঠ নোট সংকলন করার সিদ্ধান্ত নিয়েছি। আমরা তিনটি ব্যবহার করব...

DeepSeek এর সাথে প্রতিযোগিতা মার্কিন যুক্তরাষ্ট্রের জন্য ভালো ক্যাথি উড: আমার মনে হয় এটি দেখায় যে উদ্ভাবনের খরচ নাটকীয়ভাবে হ্রাস পাচ্ছে, এবং এই প্রবণতা ইতিমধ্যেই শুরু হয়ে গেছে। উদাহরণস্বরূপ, DeepSeek এর আগে, কৃত্রিম বুদ্ধিমত্তা প্রশিক্ষণের খরচ প্রতি বছর 75% কমেছিল, এবং অনুমানের খরচ এমনকি 85% কমেছিল ...

জেমিনি ২.০ এর গল্প ত্বরান্বিত হচ্ছে। ডিসেম্বরে ফ্ল্যাশ থিংকিং এক্সপেরিমেন্টাল সংস্করণটি ডেভেলপারদের জন্য কম ল্যাটেন্সি এবং উচ্চ কর্মক্ষমতা সহ একটি কার্যকরী মডেল নিয়ে এসেছে। এই বছরের শুরুতে, গুগল এআই স্টুডিওতে ২.০ ফ্ল্যাশ থিংকিং এক্সপেরিমেন্টাল আপডেট করা হয়েছিল যাতে ফ্ল্যাশের গতি এবং উন্নত অনুমান ক্ষমতা একত্রিত করে কর্মক্ষমতা আরও উন্নত করা যায়। গত সপ্তাহে,…

এইমাত্র, আলীর বিগ মডেল এরিনা তালিকায় আরেকটি দেশীয় মডেল যুক্ত হয়েছে, Qwen2.5-Max, যা DeepSeek-V3 কে ছাড়িয়ে গেছে এবং মোট স্কোর 1332 নিয়ে সামগ্রিক র‌্যাঙ্কিংয়ে সপ্তম স্থানে রয়েছে। এটি এক ধাক্কায় Claude 3.5 Sonnet এবং Llama 3.1 405B এর মতো মডেলগুলিকেও ছাড়িয়ে গেছে। বিশেষ করে, এটি প্রোগ্রামিংয়ে উৎকৃষ্ট...