Autor: Mgr: zddeepseeker

Dnes se podělíme o DeepSeek R1, Název: DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning: Incentivizing the reasoning capability of LLM through training learning. Tento článek představuje první generaci uvažovacích modelů DeepSeek, DeepSeek-R1-Zero a DeepSeek-R1. Model DeepSeek-R1-Zero byl trénován pomocí rozsáhlého učení výztuže (RL) bez doladění pod dohledem (SFT) jako počáteční krok,…

1 Pozadí Během jarního festivalu DeepSeek R1 opět přitáhl širokou pozornost a dokonce i článek o interpretaci DeepSeek V3, který jsme dříve napsali, byl také znovu vysílán a hodně diskutován. Přestože bylo provedeno mnoho analýz a reprodukcí DeepSeek R1, rozhodli jsme se sestavit několik odpovídajících poznámek ke čtení. Použijeme tři…

Hlavní body Konkurence s DeepSeek je dobrá pro americkou Cathie Wood: Myslím, že ukazuje, že náklady na inovace dramaticky klesají a že tento trend již začal. Například před DeepSeek náklady na výcvik umělé inteligence klesly o 75% ročně a náklady na odvození dokonce o 85% na…

Příběh Gemini 2.0 se zrychluje. Prosincová verze Flash Thinking Experimental přinesla vývojářům pracovní model s nízkou latencí a vysokým výkonem. Začátkem tohoto roku byla v Google AI Studio aktualizována verze 2.0 Flash Thinking Experimental, aby se dále zlepšil výkon kombinací rychlosti Flash s vylepšenými schopnostmi odvozování. Minulý týden,…

Právě teď přibyl na seznam Big Model Arena od Ali další tuzemský model, Qwen2.5-Max, který překonal DeepSeek-V3 a v celkovém hodnocení obsadil sedmé místo s celkovým skóre 1332. Jedním úderem překonal i modely jako Claude 3.5 Sonnet a Llama 3.1 405B. Zejména vyniká v programování…