Tänään haluaisin jakaa DeepSeek:n artikkelin, jonka otsikko on DeepSeekMath: Matemaattisen päättelyn rajojen työntäminen avoimissa kielimalleissa. Tämä artikkeli esittelee DeepSeekMath 7B:n, joka on valmiiksi koulutettu DeepSeek-Coder-Base-v1.5 7B:lle, joka perustuu 120B matematiikkaan liittyvien tunnuksien, luonnollisen kielen ja kooditietojen kokoelmaan. Malli saavutti hämmästyttävän pistemäärän 51,7% kilpailutasolla…
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…
Suurten tekoälymallien käytön korkeat kustannukset ovat suuri syy siihen, miksi monia tekoälysovelluksia ei ole vielä otettu käyttöön ja mainostettu. Äärimmäisen suorituskyvyn valitseminen merkitsee valtavia laskentatehokustannuksia, mikä johtaa korkeisiin käyttökustannuksiin, joita tavalliset käyttäjät eivät voi hyväksyä. Kilpailu suurista tekoälymalleista on kuin sotaa ilman savua. Jälkeen…
Google Gemini 2.0 -perhe on vihdoin valmis! Se hallitsee listoja heti julkaisun jälkeen. Keskellä Deepseekin, Qwenin ja o3:n tavoittelua ja estoja Google julkaisi kolme mallia kerralla aikaisin tänä aamuna: Gemini 2.0 Pro, Gemini 2.0 Flash ja Gemini 2.0 Flash-Lite. Suurissa LMSYS-malleissa Gemini…
Kohokohdat AI Agent muokkaa asiakaskokemusta Jesse Zhang: Miten agentti oikeastaan rakennetaan? Näkemyksemme on, että ajan myötä siitä tulee yhä enemmän luonnollisen kielipohjaisen agentin kaltainen, koska näin suuria kielimalleja (LLM) koulutetaan. Pitkällä aikavälillä, jos sinulla on erittäin älykäs agentti, joka…
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,…
Johdanto Nopeasti kehittyvässä tekoälyn maisemassa DeepSeek on noussut tehokkaaksi kielimalliksi. Tämä kattava analyysi tutkii 17 parasta vaihtoehtoa DeepSeek:lle ja tutkii niiden ainutlaatuisia ominaisuuksia, ominaisuuksia ja käyttötapauksia. Tutkimuksemme keskittyy sekä kansainvälisiin että kiinalaisiin alustoihin, jotka tarjoavat DeepSeek-integraation tai vastaavia ominaisuuksia. Parhaiden vaihtoehtojen analyysi 1….
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…
