.png)
昨日1月20日，DeepSeek团队发布了全新开源模型DeepSeek-R1，迅速获得4k+星。该模型打破了传统训练模式，未使用SFT数据，仅通过RL训练，展示了自主思考的能力。DeepSeek-R1在多项基准测试中与OpenAI o1不相上下，尤其在数学和编程竞赛中表现出色。模型还开源了多个小模型，参数从1.5B到70B，性能超越GPT-4o等竞品。DeepSeek-R1的训练方法包括Self play、Grpo及Cold start，使其成本仅为o1的五十分之一，效能却相当。
原文链接
本文链接：https://kx.umi6.com/article/11992.html
转载请注明文章出处
分享至
打开微信扫一扫
内容投诉
生成图片
.png "11992")
相关推荐
.png)
换一换
强化学习之于 AI Agent，是灵魂、还是包袱？
2025-04-23 11:56:20
通义实验室新研究：大模型自己「扮演」搜索引擎，提升推理能力无需搜索API
2025-05-17 13:07:29
上交博士最新思考：仅用两个问题讲清强化学习
2025-11-10 18:29:12
AI仅凭“自信”学会推理，浙大校友复刻DeepSeek长思维链涌现
2025-05-29 14:32:01
梁文锋不着急
2025-05-30 21:56:33
波士顿动力 Spot 四足机器人学会连续后空翻，意外让行走姿态更像真实动物
2025-08-28 10:20:06
混元OCR模型核心技术揭秘：统一框架、真端到端
2025-11-30 11:05:21
英伟达推出 ProRL 方法：强化学习训练至 2000 步，打造全球最佳 1.5B 推理 AI 模型
2025-06-05 15:52:55
发自 凹非寺量子位 | 公众号 QbitAI 奥特曼点名表扬了两个波兰人。 没有他们，OpenAI就不是今天的样子。 他们是OpenAI首席科学家Jakub Pachocki以及头衔为“Technical Fellow”的Szymon Sidor。 △左：Jakub Pachocki，右：Szymon Sidor 两人不仅是波兰老乡，而且是高中同学，读博时分别选择了计算机科学和机器人，后来又在OpenAI重聚。 在ChatGPT风靡全球、每天服务数亿用户的今天，奥特曼感慨大多数人永远不会想到背
2025-09-09 18:18:27
机器狗能当羽毛球搭子了！仅靠强化学习从0自学，还涌现出类人回位行为 | Science子刊
2025-05-30 16:56:50
蚂蚁集团开源 Awex 框架，秒级完成 TB 级参数交换
2025-11-20 10:17:17
DeepSeekV3.2技术报告还是老外看得细
2025-12-04 09:09:55
上海 AI 实验室联合清华等大学突破强化学习算法，攻克 AI 推理熵崩溃难题
2025-06-04 08:15:30
697 文章
434164 浏览
24小时热文
更多
-
2026-01-23 10:51:27 -
2026-01-23 10:50:21
-
2026-01-23 10:49:16
