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
“扫一扫”可知“准不准” 电子...
记者今天（21日）了解到，市场监管总局组织开发的全国电子计价秤智慧计量监管平台启动试运行。该监管平台...
中国记协举办新闻茶座 聚焦“智...
新华社北京1月21日电（唐诗凝、王舒一）中国记协21日在京举办新闻茶座，邀请国家制造强国建设战略咨询...
明博机床申请机械压力机压料机构...
国家知识产权局信息显示，合肥明博机床设备有限公司申请一项名为“一种机械压力机压料机构”的专利，公开号...
东风模具申请数控铣设备精度检测...
国家知识产权局信息显示，东风模具冲压技术有限公司申请一项名为“数控铣设备精度的检测方法”的专利，公开...
超聚变申请测试用例多维度评估方...
国家知识产权局信息显示，超聚变数字技术有限公司申请一项名为“测试用例的评估方法和计算设备”的专利，公...
瞄向可控核聚变 中集环科着力打...
来源：上海证券报 ◎记者 郑维汉 1月21日，中集环科举办可控核聚变投资项目交流会，向投资者详细...
逐绿而行 向新而飞——看苏宿工...
（速新闻记者 孙菲）1月19日下午，长电科技（宿迁）有限公司的生产车间内，全自动生产线正快速运转，技...
xAI被开除工程师大爆料，揭秘...
据报道，xAI工程师Sulaiman Ghori在一档播客节目中披露了公司大量内部信息。播客发布后不...
2026 全球计算机科学排名发...
新京报讯（记者杨菲菲）近日，被誉为“最纯粹的科研实力晴雨表”的2026年CS Rankings全球计...
工信部：全面开展算力态势感知自...
来源：北京日报客户端 工业和信息化部近日印发通知，全面开展算力态势感知自动化监测工作，全面提升我国算...