आज म DeepSeek बाट एउटा लेख साझा गर्न चाहन्छु, जसको शीर्षक हो DeepSeekMath: खुला भाषा मोडेलहरूमा गणितीय तर्कको सीमाहरू धकेल्दै। यो लेखले DeepSeekMath 7B लाई परिचय गराउँछ, जुन DeepSeek-Coder-Base-v1.5 7B मा पूर्व-प्रशिक्षित छ जुन 120B गणित-सम्बन्धित टोकनहरू, प्राकृतिक भाषा र कोड डेटाको संग्रहमा आधारित छ। मोडेलले प्रतिस्पर्धात्मक-स्तरमा 51.7% को आश्चर्यजनक स्कोर हासिल गर्यो...
आज हामी DeepSeek R1 साझा गर्नेछौं, शीर्षक: DeepSeek-R1: सुदृढीकरण सिकाइ मार्फत LLM मा तर्क क्षमतालाई प्रोत्साहन: सुदृढीकरण सिकाइ मार्फत LLM को तर्क क्षमतालाई प्रोत्साहन। यो पेपरले DeepSeek को पहिलो पुस्ताको तर्क मोडेलहरू, DeepSeek-R1-शून्य र DeepSeek-R1 लाई परिचय गराउँछ। DeepSeek-R1-शून्य मोडेललाई प्रारम्भिक चरणको रूपमा पर्यवेक्षित फाइन-ट्युनिङ (SFT) बिना ठूलो मात्रामा सुदृढीकरण सिकाइ (RL) मार्फत प्रशिक्षित गरिएको थियो,…
१ पृष्ठभूमि वसन्त महोत्सवको समयमा, १TP५T ले फेरि एक पटक व्यापक ध्यान आकर्षित गर्यो, र हामीले पहिले लेखेको १TP८T V३ व्याख्या लेख पनि पुन: प्रसारित भयो र धेरै छलफल गरियो। यद्यपि १TP५T को धेरै विश्लेषण र पुनरुत्पादनहरू भएका छन्, यहाँ हामीले केही सम्बन्धित पठन नोटहरू संकलन गर्ने निर्णय गरेका छौं। हामी तीन प्रयोग गर्नेछौं...
ठूला एआई मोडेलहरू प्रयोग गर्ने उच्च लागत धेरै एआई अनुप्रयोगहरू अझै कार्यान्वयन र प्रवर्द्धन नगर्नुको प्रमुख कारण हो। चरम प्रदर्शन छनौट गर्नु भनेको ठूलो कम्प्युटिङ पावर लागत हो, जसले गर्दा उच्च उपयोग लागतहरू हुन्छन् जुन सामान्य प्रयोगकर्ताहरूले स्वीकार गर्न सक्दैनन्। ठूला एआई मोडेलहरूको लागि प्रतिस्पर्धा धुवाँ बिनाको युद्ध जस्तै हो। पछि…
गुगल जेमिनी २.० परिवार अन्ततः पूरा भयो! यो रिलिज हुने बित्तिकै चार्टमा प्रभुत्व जमाउँछ। डिपसिक, क्वेन र ओ३ को खोजी र नाकाबन्दीका बीचमा, गुगलले आज बिहान एकै पटक तीन मोडेलहरू रिलिज गर्यो: जेमिनी २.० प्रो, जेमिनी २.० फ्ल्यास र जेमिनी २.० फ्ल्यास-लाइट। ठूलो मोडेल LMSYS रैंकिंगमा, जेमिनी…
हाइलाइटहरू एआई एजेन्टले ग्राहकको अनुभवलाई पुन: आकार दिन्छ जेसी झाङ: एजेन्ट वास्तवमा कसरी निर्माण गरिन्छ? हाम्रो विचार यो छ कि समयसँगै, यो प्राकृतिक भाषा-आधारित एजेन्ट जस्तै हुँदै जानेछ किनभने ठूला भाषा मोडेलहरू (LLMs) लाई यसरी नै तालिम दिइन्छ। लामो अवधिमा, यदि तपाईंसँग एक सुपर बुद्धिमान एजेन्ट छ भने ...
हाइलाइटहरू DeepSeek सँगको प्रतिस्पर्धा अमेरिकाको लागि राम्रो छ क्याथी वुड: मलाई लाग्छ यसले नवप्रवर्तनको लागत नाटकीय रूपमा घट्दै गएको देखाउँछ, र यो प्रवृत्ति पहिले नै सुरु भइसकेको छ। उदाहरणका लागि, DeepSeek अघि, कृत्रिम बुद्धिमत्ता प्रशिक्षणको लागत प्रति वर्ष 75% ले घटेको थियो, र अनुमानको लागत पनि 85% ले घटेको थियो ...
जेमिनी २.० को कथा तीव्र गतिमा अगाडि बढिरहेको छ। डिसेम्बरमा आएको फ्ल्यास थिंकिङ एक्सपेरिमेन्टल संस्करणले विकासकर्ताहरूलाई कम विलम्बता र उच्च प्रदर्शनको साथ काम गर्ने मोडेल ल्यायो। यस वर्षको सुरुमा, २.० फ्ल्यास थिंकिङ एक्सपेरिमेन्टललाई गुगल एआई स्टुडियोमा अपडेट गरिएको थियो ताकि फ्ल्यासको गतिलाई बढाइएको अनुमान क्षमताहरूसँग संयोजन गरेर प्रदर्शनलाई अझ सुधार गर्न सकियोस्। गत हप्ता,…
परिचय कृत्रिम बुद्धिमत्ताको द्रुत रूपमा विकसित परिदृश्यमा, DeepSeek एक शक्तिशाली भाषा मोडेलको रूपमा देखा परेको छ। यो व्यापक विश्लेषणले DeepSeek का शीर्ष १७ विकल्पहरूको अन्वेषण गर्दछ, तिनीहरूको अद्वितीय सुविधाहरू, क्षमताहरू र प्रयोगका केसहरूको जाँच गर्दछ। हाम्रो अनुसन्धान DeepSeek एकीकरण वा समान क्षमताहरू प्रदान गर्ने अन्तर्राष्ट्रिय र चिनियाँ प्लेटफर्महरू दुवैमा केन्द्रित छ। शीर्ष विकल्प विश्लेषण १….
भर्खरै, अलिबाट बिग मोडेल एरिना सूचीमा अर्को घरेलु मोडेल थपियो, Qwen2.5-Max, जसले DeepSeek-V3 लाई उछिनेर समग्र श्रेणीमा १३३२ को कुल स्कोरका साथ सातौं स्थानमा रह्यो। यसले क्लाउड ३.५ सोनेट र लामा ३.१ ४०५B जस्ता मोडेलहरूलाई पनि एकै झट्कामा उछिनेको छ। विशेष गरी, यो प्रोग्रामिङमा उत्कृष्ट छ...
