Kirjoittaja: zddeepseeker

Tänään jaamme DeepSeek R1:n, Otsikko: DeepSeek-R1: Päättelykyvyn kannustaminen LLM:issä vahvistusoppimisen avulla: LLM:n päättelykyvyn kannustaminen vahvistusoppimisen avulla. Tässä artikkelissa esitellään DeepSeek:n ensimmäisen sukupolven päättelymallit, DeepSeek-R1-Zero ja DeepSeek-R1. DeepSeek-R1-Zero-mallia koulutettiin laajamittaisella vahvistusoppimisella (RL) ilman valvottua hienosäätöä (SFT) alkuvaiheessa,…

1 Taustaa Kevätjuhlan aikana DeepSeek R1 herätti jälleen laajaa huomiota, ja jopa aiemmin kirjoittamamme DeepSeek V3 -tulkintaartikkeli lähetettiin uudelleen ja siitä keskusteltiin paljon. Vaikka DeepSeek R1:stä on tehty monia analyyseja ja kopioita, olemme päättäneet koota tähän joitain vastaavia lukumuistiinpanoja. Käytämme kolmea…

Kohokohdat Kilpailu DeepSeek:n kanssa on hyväksi yhdysvaltalaiselle Cathie Woodille: Mielestäni se osoittaa, että innovaatioiden kustannukset laskevat dramaattisesti ja että tämä suuntaus on jo alkanut. Esimerkiksi ennen DeepSeek:tä tekoälyn koulutuksen kustannukset laskivat 75% vuodessa, ja päättelykustannukset jopa 85%:llä…

Gemini 2.0:n tarina kiihtyy. Flash Thinking Experimental -versio joulukuussa toi kehittäjille toimivan mallin alhaisella latenssilla ja korkealla suorituskyvyllä. Aiemmin tänä vuonna 2.0 Flash Thinking Experimental päivitettiin Google AI Studiossa suorituskyvyn parantamiseksi entisestään yhdistämällä Flashin nopeus parannettuihin päättelyominaisuuksiin. Viime viikolla,…

Juuri nyt Alin Big Model Arena -listalle lisättiin toinen kotimainen malli, Qwen2.5-Max, joka ohitti DeepSeek-V3:n ja sijoittui seitsemänneksi kokonaispistemäärällä 1332. Se ohitti myös mallit, kuten Claude 3.5 Sonnet ja Llama 3.1 405B yhdessä felllswoopissa. Erityisesti se on erinomainen ohjelmoinnissa…