更新后的文章進(jìn)一步詳細(xì)展示了LLM（大語(yǔ)言模型）的推理能力可以通過(guò)純粹的強(qiáng)化學(xué)習(xí)（RL）來(lái)訓(xùn)練。
觀點(diǎn)網(wǎng)訊：1月8日消息，DeepSeek近日更新了關(guān)于R1模型的論文，文章篇幅從原本的約20頁(yè)擴(kuò)展至86頁(yè)。
更新后的文章進(jìn)一步詳細(xì)展示了LLM（大語(yǔ)言模型）的推理能力可以通過(guò)純粹的強(qiáng)化學(xué)習(xí)（RL）來(lái)訓(xùn)練，且訓(xùn)練出的模型在數(shù)學(xué)、編碼競(jìng)賽和STEM領(lǐng)域等可驗(yàn)證任務(wù)上取得了優(yōu)異的成績(jī)。
同時(shí)，該方式在訓(xùn)練成本上也極具競(jìng)爭(zhēng)力，DeepSeek-R1-Zero的訓(xùn)練僅耗時(shí)198小時(shí)。
免責(zé)聲明：本文內(nèi)容與數(shù)據(jù)由觀點(diǎn)根據(jù)公開(kāi)信息整理，不構(gòu)成投資建議，使用前請(qǐng)核實(shí)。
審校：徐耀輝
版權(quán)聲明：觀點(diǎn)網(wǎng)絡(luò)信息科技有限公司及廣州觀點(diǎn)信息資訊服務(wù)有限公司擁有及保留其主辦暨承辦網(wǎng)站、論壇及活動(dòng)的所有資料（包括但不限于文字、圖片、音頻、視頻資料及頁(yè)面設(shè)計(jì)、編排、軟件等）的所有權(quán)、版權(quán)等其他相關(guān)知識(shí)產(chǎn)權(quán)。除經(jīng)授權(quán)合法使用上述資料外，未征得我司書(shū)面許可并付費(fèi)，任何單位和個(gè)人不得以任何理由及方式使用上述資料（包括但不限于轉(zhuǎn)載、轉(zhuǎn)讓、授權(quán)他人使用等），否則我司將依法追究其法律責(zé)任以及賠償責(zé)任。
觀點(diǎn) ? 2001- guandian.cn, All Rights Reserved. 粵ICP備20003243號(hào)-1
|??網(wǎng)上110
粵公網(wǎng)安備 44010402001235號(hào)
移動(dòng)端下載