Autor: zddeepseeker

Täna jagame DeepSeek R1, pealkiri: DeepSeek-R1: LLM-ide arutlusvõime stimuleerimine tugevdava õppe kaudu: LLM-i arutlusvõime ergutamine tugevdava õppe kaudu. See artikkel tutvustab DeepSeek esimese põlvkonna arutlusmudeleid DeepSeek-R1-Zero ja DeepSeek-R1. Mudelit DeepSeek-R1-Zero koolitati esimese sammuna suuremahulise tugevdusõppe (RL) abil ilma juhendatud peenhäälestuseta (SFT),…

1 Taust Kevadfestivali ajal äratas DeepSeek R1 taas laialdast tähelepanu ning isegi meie varem kirjutatud DeepSeek V3 tõlgendusartikkel edastati uuesti ja seda arutati palju. Kuigi DeepSeek R1 analüüse ja reproduktsioone on tehtud palju, otsustasime siinkohal koostada mõned vastavad lugemismärkmed. Kasutame kolme…

Tähtsündmused Konkurents DeepSeek-ga on USA Cathie Woodile kasulik: minu arvates näitab see, et innovatsiooni hind langeb järsult ja see trend on juba alanud. Näiteks enne DeepSeek-d langesid tehisintellekti treenimise kulud 75% võrra aastas ja järelduste tegemise hind isegi 85% võrra…

Gemini 2.0 lugu kiireneb. Detsembris ilmunud Flash Thinking Experimental versioon tõi arendajatele madala latentsusajaga ja suure jõudlusega töötava mudeli. Selle aasta alguses värskendati Google AI Studios versiooni 2.0 Flash Thinking Experimental, et veelgi parandada jõudlust, ühendades Flashi kiiruse täiustatud järeldamisvõimalustega. Eelmisel nädalal,…

Just nüüd lisandus Ali Big Model Arena nimekirja veel üks kodumaine mudel Qwen2.5-Max, mis ületas DeepSeek-V3 ja saavutas üldarvestuses seitsmenda koha koguskooriga 1332. Samuti edestas see mudeleid nagu Claude 3.5 Sonnet ja Llama 3.1 405B ühes felllswoop. Eelkõige paistab see silma programmeerimises…