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
国产超节点商业化大幕拉开
记者 郑晨烨 在7月17日至20日举行的2026世界人工智能大会（WAIC）上，超节点成为全场焦点。...
原创 v...
能够首发搭载最新的旗舰处理器，会自带较高的热度，9月份首发第五代骁龙8至尊版的小米17系列是这样，1...
灿勤科技获得发明专利授权：“一...
证券之星消息，根据天眼查APP数据显示灿勤科技（688182）新获得一项发明专利授权，专利名为“一种...
原创 怎...
今天刚看到的最新消息：高通已正式向客户发送通知函，宣布将对包括骁龙8 Elite Gen 6与骁龙8...
俄罗斯“联盟MS-28”飞船搭...
央视新闻消息，央视记者当地时间7月26日从美国方面获悉，一支由美国和俄罗斯航天员组成的联合乘组在完成...
原创 用...
全球跨文化实验做过一件挺有意思的事——让不同肤色、不同国家、完全没有文化交集的人群，给同一批面孔打分...
国内首款：TP200大型多功能...
IT之家 7 月 26 日消息，国内首款按适航要求正向研制的吨级多功能长航时民用无人机 —— TP2...
原创 单...
最新2026年第29周国内单款手机销量排行出炉了，这次榜单前面几位是有所变化的。 特别是华为畅享90...
罗永浩吐槽电视长辈模式不好用：...
IT之家 7 月 26 日消息，罗永浩昨天在微博发文，控诉电视机厂商的产品经理。 罗永浩表示，他最近...
SK集团会长崔泰源：Anthr...
IT之家 7 月 26 日消息，据彭博社当地时间 24 日报道，SK 集团会长崔泰源近日在美国加利福...