训练过程中，DeepSeek-R1-Zero展现出令人惊叹的自我进化能力，学会了生成数百到数千个推理token，深入探索和完善思维过程，还发展出反思能力和探索不同解题方法的能力。先进行冷启动SFT，人工筛选高…
29万美元的成本奇迹
一个典型的例子是，随着强化学习训练的不断进行，在 AIME 2024 数学竞赛基准上的表现，DeepSeek-R1-Zero 的 Pass@1得分从 15.6% 提升至 71.0%，最终的 DeepSee…
梁文锋团队正面回应蒸馏质疑、发布详尽安全报告
《经济学人》封面：如果3万亿美元人工智能投资出错了呢？
08/20 10:25
08/20 10:24
08/20 10:23
08/20 10:22
京公网安备 11011402013531号