Autor: zddeepseeker

Danas ćemo podijeliti DeepSeek R1, naslov: DeepSeek-R1: Poticanje sposobnosti rasuđivanja u LLM-u putem dodatnog učenja: Poticanje sposobnosti rasuđivanja u LLM-u putem učenja s pojačanjem. Ovaj rad predstavlja prvu generaciju modela rezoniranja DeepSeek, DeepSeek-R1-Zero i DeepSeek-R1. Model DeepSeek-R1-Zero obučen je kroz opsežno učenje pojačanja (RL) bez nadziranog finog podešavanja (SFT) kao početni korak,…

1 Pozadina Tijekom Proljetnog festivala, DeepSeek R1 je još jednom privukao široku pozornost, a čak je i članak o tumačenju DeepSeek V3 koji smo prethodno napisali također ponovno prenošen io njemu se mnogo raspravljalo. Iako je bilo mnogo analiza i reprodukcija DeepSeek R1, ovdje smo odlučili sastaviti neke odgovarajuće bilješke za čitanje. Koristit ćemo tri…

Izdvajamo Konkurencija s DeepSeek je dobra za SAD Cathie Wood: Mislim da pokazuje da cijena inovacije dramatično pada i da je taj trend već započeo. Na primjer, prije DeepSeek, cijena obuke umjetne inteligencije pala je za 75% godišnje, a cijena zaključivanja čak je pala za 85% na…

Priča o Geminiju 2.0 ubrzava se. Flash Thinking Experimental verzija u prosincu je programerima donijela radni model s niskom latencijom i visokim performansama. Ranije ove godine, 2.0 Flash Thinking Experimental ažuriran je u Google AI Studiju kako bi se dodatno poboljšala izvedba kombiniranjem brzine Flasha s poboljšanim mogućnostima zaključivanja. Prošli tjedan,…

Upravo je još jedan domaći model dodan na listu Big Model Arena iz Alija, Qwen2.5-Max, koji je nadmašio DeepSeek-V3 i zauzeo sedmo mjesto u ukupnoj ljestvici s ukupnom ocjenom od 1332. Također je nadmašio modele kao što su Claude 3.5 Sonnet i Llama 3.1 405B u jednom potezu. Posebno se ističe u programiranju…