登上《自然》！DeepSeek-R1训练方法发布
创始人
2025-09-18 17:41:18
0次
DeepSeek-AI团队梁文锋及其同事17日在《自然》杂志上发表了开源人工智能（AI）模型DeepSeek-R1所采用的大规模推理模型训练方法。研究表明，大语言模型（LLM）的推理能力可通过纯强化学习来提升，从而减少增强性能所需的人类输入工作量。训练出的模型在数学、编程竞赛和STEM领域研究生水平问题等任务上，比传统训练的LLM表现更好。
DeepSeek-R1包含一个在人类监督下的深入训练阶段，以优化推理过程。梁文锋团队报告称，该模型使用了强化学习而非人类示例来开发推理步骤，减少了训练成本和复杂性。DeepSeek-R1在被展示优质的问题解决案例后，会获得一个模板来产生推理过程，即这一模型通过解决问题获得奖励，从而强化学习效果。团队总结说，未来研究可以聚焦优化奖励过程，以确保推理和任务结果更可靠。
在评估AI表现的数学基准测试中，DeepSeek-R1-Zero和DeepSeek-R1得分分别为77.9%和79.8%，在编程竞赛及研究生水平的生物学、物理和化学问题上同样表现优异。
来源：科技日报
相关内容
热门资讯
物理学陷入停滞——进步主义神话...
当今的物理学家需要抛弃那个极具吸引力的神话——他们正在揭示我们宇宙的隐藏现实。 浏览物理学科普书籍...
从“数字化”到“数智化”（观象...
从“数字化”到“数智化”，一字之变，体现出我国牢牢把握人工智能机遇，体系化推进人工智能产业创新和赋能...
10万次Claude真实对话洞...
IT之家 11 月 26 日消息，Anthropic 昨日（11 月 25 日）发布研究报告，通过分...
AI技术应用越广泛，越要明确边...
发展科技的初心和落点都是服务于人，服务于国家和社会。让安全和便捷成为AI技术应用的一体两面，成为技术...
【多彩新论】警惕碎片化传播的负...
注意力不集中，看书听讲说话容易走神，刷手机却停不下来……数字时代的碎片化传播，已成为我们获取资讯的主...
原创 1...
神舟二十二飞船成功发射，代号“天宫应急1号”，并且也圆满完成了中国空间站任务对接，整个任务全面成功了...
工信部：启动为期两年的卫星物联...
C114讯 11月26日消息（颜翊）昨日，工业和信息化部正式印发《关于组织开展卫星物联网业务商用试验...
华为Mate80全系降价背后
华为需要通过更亲民的定价，来从iPhone手上抢更多的市场份额。 文｜游勇 编｜石兆 作为华为旗下最...
亚洲第一！我国自主研制，海试成...
◎ 科技日报记者 都芃 25日，记者从中交天津航道局有限公司获悉，当天下午，新一代超大型耙吸挖泥船“...
一加总裁：第五代骁龙8由一加高...
【CNMO科技消息】11月26日，一加中国区总裁李杰在社交平台透露，已受邀出席当天下午举行的高通“第...