Dnes bych se rád podělil o článek od DeepSeek s názvem DeepSeekMath: Posouvání limitů matematického uvažování v modelech otevřených jazyků. Tento článek představuje DeepSeekMath 7B, který je předtrénován na DeepSeek-Coder-Base-v1.5 7B na základě kolekce 120B matematických tokenů, přirozeného jazyka a dat kódu. Model dosáhl úžasného skóre 51,7% v soutěžní úrovni…
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…
Vysoké náklady na používání velkých modelů umělé inteligence jsou hlavním důvodem, proč mnoho aplikací umělé inteligence dosud nebylo implementováno a propagováno. Volba extrémního výkonu znamená obrovské náklady na výpočetní výkon, což vede k vysokým nákladům na používání, které běžní uživatelé nemohou akceptovat. Konkurence pro velké modely AI je jako válka bez kouře. Po…
Rodina Google Gemini 2.0 je konečně kompletní! Vévodí žebříčkům hned po vydání. Uprostřed pronásledování a blokád Deepseek, Qwen a o3 vydal Google dnes brzy ráno tři modely najednou: Gemini 2.0 Pro, Gemini 2.0 Flash a Gemini 2.0 Flash-Lite. V žebříčku velkých modelů LMSYS, Gemini…
Hlavní body AI Agent přetváří zákaznickou zkušenost Jesse Zhang: Jak je vlastně vytvořen agent? Náš názor je, že postupem času se bude stále více podobat agentovi založenému na přirozeném jazyce, protože tak se školí velké jazykové modely (LLM). Z dlouhodobého hlediska, pokud máte super inteligentního agenta, který…
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,…
Úvod V rychle se vyvíjejícím prostředí umělé inteligence se DeepSeek ukázal jako výkonný jazykový model. Tato komplexní analýza zkoumá 17 nejlepších alternativ k DeepSeek a zkoumá jejich jedinečné vlastnosti, schopnosti a případy použití. Náš výzkum se zaměřuje na mezinárodní i čínské platformy, které nabízejí integraci DeepSeek nebo podobné možnosti. Analýza top alternativ 1….
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…
