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
如何给机器人算“用工账”
作者| 王小娟 具身智能行业的竞争重点，正在从运动能力展示转向真实作业能力验证。 8月19日，20...
“要亲自来、亲眼看、亲身体会”...
会翻跟头的机器狗、会跳街舞的机器人、会做咖啡还能唠嗑的机器人“店员”……前不久，2026两岸青年峰会...
采购类目、对接频率创新高
羊城晚报讯 记者李焕坤报道：8月22日，第十二届华人华侨产业交易会暨2026亚太产业合作与出海博览会...
TGV——蓝思半年报里信息密度...
8月21日发布的半年报中，TGV 玻璃基板是 AI 算力侧最值得单独细读的一块。 门槛远不止"通孔"...
AI研学持续升温 专家提醒家长...
这个暑假，AI和科技主题的研学游成了研学市场的风口。越来越多的家长把研学课程当成了孩子的“科技启蒙课...
第十二届侨交会闭幕 采购类目、...
羊城晚报讯 记者李焕坤报道：8月22日，第十二届华人华侨产业交易会暨2026亚太产业合作与出海博览会...
6G全球竞速：谁将攥住下一代数...
中国工业报 耿鹏飞 谁能攥住下一代数字基建的全球话语权？一场横跨频谱、标准、产业、场景的6G全球竞速...
原创 成...
深夜的卧室，唯一的光源来自手机屏幕。不需要注册账号，不需要输入任何信息，轻轻一点就能进入一个内容无限...
机器人原地跳高跳出2.8843...
北京8月23日电 (记者 陈杭 吕少威 徐婧)22日晚，第二届世界人形机器人运动会在北京国家速滑馆“...
爱立信、联发科完成全球首例高精...
IT之家 8 月 22 日消息，爱立信宣布，与联发科成功完成全球首例高精度户外定位端到端（e2e）测...