लेखक: zddeepseeker

आज हम DeepSeek R1, शीर्षक: DeepSeek-R1: सुदृढीकरण सीखने के माध्यम से LLM में तर्क क्षमता को प्रोत्साहित करना: सुदृढीकरण सीखने के माध्यम से LLM की तर्क क्षमता को प्रोत्साहित करना साझा करेंगे। यह पेपर DeepSeek के तर्क मॉडल की पहली पीढ़ी, DeepSeek-R1-Zero और DeepSeek-R1 का परिचय देता है। DeepSeek-R1-Zero मॉडल को प्रारंभिक चरण के रूप में पर्यवेक्षित फ़ाइन-ट्यूनिंग (SFT) के बिना बड़े पैमाने पर सुदृढीकरण सीखने (RL) के माध्यम से प्रशिक्षित किया गया था,…

1 पृष्ठभूमि वसंत महोत्सव के दौरान, DeepSeek R1 ने एक बार फिर व्यापक ध्यान आकर्षित किया, और यहां तक कि DeepSeek V3 व्याख्या लेख जिसे हमने पहले लिखा था, उसे भी पुनः प्रसारित किया गया और उस पर बहुत चर्चा हुई। हालाँकि DeepSeek R1 के कई विश्लेषण और पुनरुत्पादन हुए हैं, यहाँ हमने कुछ संगत पठन नोट्स संकलित करने का निर्णय लिया है। हम तीन…

हाइलाइट्स DeepSeek के साथ प्रतिस्पर्धा अमेरिका के लिए अच्छी है कैथी वुड: मुझे लगता है कि यह दर्शाता है कि नवाचार की लागत नाटकीय रूप से कम हो रही है, और यह प्रवृत्ति पहले ही शुरू हो चुकी है। उदाहरण के लिए, DeepSeek से पहले, कृत्रिम बुद्धिमत्ता के प्रशिक्षण की लागत प्रति वर्ष 75% कम हो गई थी, और अनुमान की लागत भी 85% तक कम हो गई थी…

जेमिनी 2.0 की कहानी तेज़ी से आगे बढ़ रही है। दिसंबर में फ्लैश थिंकिंग एक्सपेरीमेंटल संस्करण ने डेवलपर्स को कम विलंबता और उच्च प्रदर्शन वाला एक कार्यशील मॉडल दिया। इस साल की शुरुआत में, Google AI स्टूडियो में 2.0 फ्लैश थिंकिंग एक्सपेरीमेंटल को अपडेट किया गया था ताकि फ्लैश की गति को बेहतर अनुमान क्षमताओं के साथ जोड़कर प्रदर्शन को और बेहतर बनाया जा सके। पिछले हफ़्ते,…

अभी हाल ही में अली की ओर से बिग मॉडल एरिना सूची में एक और घरेलू मॉडल जोड़ा गया, क्वेन 2.5-मैक्स, जिसने DeepSeek-V3 को पीछे छोड़ दिया और 1332 के कुल स्कोर के साथ समग्र रैंकिंग में सातवें स्थान पर रहा। इसने क्लाउड 3.5 सॉनेट और लामा 3.1 405B जैसे मॉडलों को भी एक झटके में पीछे छोड़ दिया। विशेष रूप से, यह प्रोग्रामिंग में उत्कृष्ट है…