 |
 |
 |
 |
 |
 |
||
 |
 |
 |
 |
 |
| 1 | 1/1 | 返回列表 |
| 查看: 1022 | 回復(fù): 0 | |||
yexuqing木蟲(chóng)之王 (文學(xué)泰斗)
太陽(yáng)系系主任
|
[交流]
梁文鋒帶著DeepSeek-R1的研究登上《自然》（Nature）封面
|
|
9月18日，梁文鋒帶著deepseek-r1的研究，登上最新一期國(guó)際頂級(jí)期刊《自然》（nature）封面。 今年1月份，國(guó)產(chǎn)大模型公司深度求索（deepseek）在預(yù)印本平臺(tái)arxiv公布論文《deepseek-r1: incentivizing reasoning capability in llms via reinforcement learning》，創(chuàng)始人梁文鋒位于署名之列。 《自然》雜志指出，如此總結(jié)deepseek-r1帶來(lái)的進(jìn)步：如果訓(xùn)練出的大模型能夠規(guī)劃解決問(wèn)題所需的步驟，那么它們往往能夠更好地解決問(wèn)題。這種“推理”與人類處理更復(fù)雜問(wèn)題的方式類似，但這對(duì)人工智能有極大挑戰(zhàn)，需要人工干預(yù)來(lái)添加標(biāo)簽和注釋。 deepseek的研究人員揭示了他們?nèi)绾文軌蛟跇O少的人工輸入下訓(xùn)練一個(gè)模型，并使其進(jìn)行推理。deepseek-r1模型采用強(qiáng)化學(xué)習(xí)進(jìn)行訓(xùn)練。在這種學(xué)習(xí)中，模型正確解答數(shù)學(xué)問(wèn)題時(shí)會(huì)獲得高分獎(jiǎng)勵(lì)，答錯(cuò)則會(huì)受到懲罰。 最終它學(xué)會(huì)了推理——逐步解決問(wèn)題并揭示這些步驟——更有可能得出正確答案。這使得deepseek-r1能夠自我驗(yàn)證和自我反思，在給出新問(wèn)題的答案之前檢查其性能，從而提高其在編程和研究生水平科學(xué)問(wèn)題上的表現(xiàn)。 在《自然》的editorial（社論）指出，大型語(yǔ)言模型需要同行評(píng)審�！蹲匀弧氛J(rèn)為，大型語(yǔ)言模型（llms）正在迅速顛覆人類獲取知識(shí)的方式，但最廣泛使用的這些模型尚未在研究期刊中接受獨(dú)立同行評(píng)審。同行評(píng)審有助于澄清llms的工作原理，并幫助評(píng)估它們是否真正實(shí)現(xiàn)了其宣稱的功能�！斑@一情況隨著自然雜志發(fā)表deepseek-r1模型細(xì)節(jié)而改變。” 《自然》指出，自1月在hugging face上發(fā)布r1以來(lái)，deepseek-r1已奪得該平臺(tái)復(fù)雜問(wèn)題解決類模型下載量冠軍�，F(xiàn)在，該模型已由八位專家評(píng)審，以評(píng)估其工作的原創(chuàng)性、方法論和穩(wěn)健性。該論文將與審稿人報(bào)告和作者回應(yīng)一同發(fā)表�！斑@一切都是ai行業(yè)邁向透明度和可重復(fù)性的可喜一步”。 “依賴獨(dú)立研究者的同行評(píng)審是ai行業(yè)回?fù)舫醋鞯囊环N方式。鑒于這項(xiàng)技術(shù)已變得如此普遍，無(wú)法驗(yàn)證的聲明對(duì)社會(huì)構(gòu)成了真正的風(fēng)險(xiǎn)。我們希望，出于這個(gè)原因，更多ai公司將提交其模型接受評(píng)審�！薄蹲匀弧穼�(xiě)道。 論文摘要中表示，推理能力作為人類智能的基石，能夠支持從數(shù)學(xué)問(wèn)題求解、邏輯演繹到程序編寫(xiě)等復(fù)雜認(rèn)知任務(wù)。人工智能領(lǐng)域的最新進(jìn)展表明，當(dāng)大型語(yǔ)言模型（llms）的規(guī)模達(dá)到足夠程度時(shí)，能夠展現(xiàn)出包括推理能力在內(nèi)的涌現(xiàn)性特征，然而，要在預(yù)訓(xùn)練階段實(shí)現(xiàn)這類能力，通常需要耗費(fèi)大量計(jì)算資源。 這項(xiàng)研究旨在探索大型語(yǔ)言模型在強(qiáng)化學(xué)習(xí)（rl）框架下通過(guò)自進(jìn)化發(fā)展推理能力的潛力，同時(shí)最大限度減少對(duì)人工標(biāo)注的依賴。 具體而言，以deepseek-v3base模型為基礎(chǔ)，采用群體相對(duì)策略優(yōu)化（grpo）作為強(qiáng)化學(xué)習(xí)框架。獎(jiǎng)勵(lì)信號(hào)僅依據(jù)最終預(yù)測(cè)結(jié)果與真實(shí)答案的一致性來(lái)確定，不對(duì)推理過(guò)程本身施加任何約束。在解決推理問(wèn)題時(shí)，該模型傾向于生成更長(zhǎng)的響應(yīng)內(nèi)容，在每個(gè)響應(yīng)中融入驗(yàn)證、反思以及對(duì)多種替代方法的探索。盡管并未明確教授模型如何進(jìn)行推理，但它通過(guò)強(qiáng)化學(xué)習(xí)成功掌握更優(yōu)的推理策略。 今年1月20日，中國(guó)ai初創(chuàng)公司深度求索（deepseek）推出大模型deepseek-r1引爆ai行業(yè)，作為一款開(kāi)源模型，r1在數(shù)學(xué)、代碼、自然語(yǔ)言推理等任務(wù)上的性能能夠比肩openaio1模型正式版，并采用mit許可協(xié)議，支持免費(fèi)商用、任意修改和衍生開(kāi)發(fā)等。春節(jié)假期后，國(guó)內(nèi)多個(gè)行業(yè)龍頭公司均宣布接入deepseek。 伴隨ai大模型行業(yè)的日新月異，deepseek已經(jīng)更新出r1以外的新版本，但萬(wàn)眾期待的r2尚未面世。此前8月21日deepseek正式發(fā)布deepseek-v3.1，稱其為“邁向agent（智能體）時(shí)代的第一步”。 據(jù)介紹，v3.1包含三大主要變化。首先，v3.1采用混合推理架構(gòu)，一個(gè)模型同時(shí)支持思考模式與非思考模式；其次，v3.1具有更高的思考效率，相比deepseek-r1-0528，deepseek-v3.1-think能在更短時(shí)間內(nèi)給出答案；另外，v3.1具有更強(qiáng)的agent能力，通過(guò)post-training優(yōu)化，新模型在工具使用與智能體任務(wù)中的表現(xiàn)有較大提升。 當(dāng)時(shí)，deepseek表示，deepseek-v3.1使用ue8m0fp8scale的參數(shù)精度。ue8m0fp8是針對(duì)即將發(fā)布的下一代國(guó)產(chǎn)芯片設(shè)計(jì)。這也表明未來(lái)基于deepseek模型的訓(xùn)練與推理有望更多應(yīng)用國(guó)產(chǎn)ai芯片，助力國(guó)產(chǎn)算力生態(tài)加速建設(shè)。相關(guān)表態(tài)，一度帶動(dòng)國(guó)產(chǎn)芯片算力股價(jià)迎來(lái)飆升。 9月5日，據(jù)外媒報(bào)道，deepseek被曝光正在開(kāi)發(fā)具備更先進(jìn)的ai智能體相關(guān)功能的人工智能模型，目的是與openai等頭部科技公司在技術(shù)新前沿展開(kāi)競(jìng)爭(zhēng)。目前deepseek創(chuàng)始人梁文峰計(jì)劃在今年四季度發(fā)布相關(guān)智能體產(chǎn)品。 新聞?dòng)浾呦騞eepseek內(nèi)部人士詢問(wèn)此事真實(shí)性，對(duì)方未給予明確回復(fù)，但并未否認(rèn)此事。 據(jù)外媒援引相關(guān)消息稱，deepseek正在開(kāi)發(fā)的智能體強(qiáng)調(diào)自主任務(wù)處理能力，與傳統(tǒng)聊天機(jī)器人不同，智能體能夠代表用戶在最少指令下完成多步驟復(fù)雜任務(wù)，并根據(jù)歷史操作持續(xù)學(xué)習(xí)和改進(jìn)，減少人工干預(yù)需求。 2025年被業(yè)界稱為“ai智能體元年”。8月26日，國(guó)務(wù)院印發(fā)《關(guān)于深入實(shí)施“人工智能+”行動(dòng)的意見(jiàn)》（以下簡(jiǎn)稱《意見(jiàn)》）提出，到2027年，率先實(shí)現(xiàn)人工智能與6大重點(diǎn)領(lǐng)域廣泛深度融合，新一代智能終端、智能體等應(yīng)用普及率超70%；到2030年，中國(guó)人工智能全面賦能高質(zhì)量發(fā)展，新一代智能終端、智能體等應(yīng)用普及率超90% |
回復(fù)此樓» 猜你喜歡
085602高分子方向求調(diào)劑
已經(jīng)有3人回復(fù)
-
歡迎211本科同學(xué)，過(guò)A區(qū)國(guó)家線，A區(qū)非偏遠(yuǎn)一本，交叉學(xué)科課題組
已經(jīng)有22人回復(fù)
-
289求調(diào)劑
已經(jīng)有3人回復(fù)
-
求調(diào)劑
已經(jīng)有4人回復(fù)
-
材料調(diào)劑
已經(jīng)有5人回復(fù)
-
化工282求調(diào)劑一志愿211
已經(jīng)有6人回復(fù)
-
A區(qū)一本交叉課題組，低分調(diào)劑，招收機(jī)械電子信息通信等交叉方向
已經(jīng)有25人回復(fù)
-
材料085601一志愿哈工大317
已經(jīng)有4人回復(fù)
-
材料與化工，291，求調(diào)劑
已經(jīng)有8人回復(fù)
-
材料調(diào)劑
已經(jīng)有5人回復(fù)
相關(guān)版塊跳轉(zhuǎn)
我要訂閱樓主 yexuqing 的主題更新
| 1 | 1/1 | 返回列表 |
| 最具人氣熱帖推薦 [查看全部] | 作者 | 回/看 | 最后發(fā)表 | |
|---|---|---|---|---|
|
[考研] 085602高分子方向求調(diào)劑 +3 | tlgudy 2026-03-04 | 3/150 |
|
|---|---|---|---|---|
|
[考研] 332材料求調(diào)劑 +4 | zjy101327 2026-03-05 | 5/250 |
|
|
|
[考研] 301求調(diào)劑 +4 | 李LJR 2026-03-04 | 4/200 |
|
|
|
[考研] 347求調(diào)劑 +6 | 啊歐歐歐 2026-03-03 | 8/400 |
|
|
|
[考研] 環(huán)境工程專碩307 一志愿211 四六級(jí)已過(guò) 求調(diào)劑 +5 | ccc! 2026-03-03 | 6/300 |
|
|
|
[考研] 一志愿985材料與化工 326分求調(diào)劑 +3 | Hz795795 2026-03-04 | 3/150 |
|
|
|
[考研] 材料專碩346求調(diào)劑 +3 | 旺一下 2026-03-04 | 3/150 |
|
|
|
[考研] 材料化工調(diào)劑 +15 | 今夏不夏 2026-03-01 | 18/900 |
|
|
|
[考研] 322,求調(diào)劑 +3 | 菜菜愛(ài)玩 2026-03-04 | 3/150 |
|
|
|
[考研] 085600求調(diào)劑 +4 | LRZZZZZZ 2026-03-02 | 6/300 |
|
|
|
[考博] 26申博 求博導(dǎo) +3 | 愛(ài)讀書(shū)的小帥 2026-02-28 | 5/250 |
|
|
|
[考研] 求調(diào)劑 +4 | Guo_yuxuan 2026-03-02 | 5/250 |
|
|
|
[考研] 化工270求調(diào)劑 +10 | 什么名字qwq 2026-03-02 | 10/500 |
|
|
|
[考研] 材料工程求調(diào)劑 +3 | 1431251 2026-03-03 | 3/150 |
|
|
|
[考研] 298求調(diào)劑 +10 | 人間唯你是清歡 2026-02-28 | 14/700 |
|
|
|
[考研] 0856材料調(diào)劑 +5 | 沿岸有貝殼OUC 2026-03-02 | 5/250 |
|
|
|
[考研] 265分求調(diào)劑不調(diào)專業(yè)和學(xué)校有行學(xué)上就 +6 | 禮堂丁真258 2026-02-28 | 9/450 |
|
|
|
[基金申請(qǐng)] 成果系統(tǒng)訪問(wèn)量大，請(qǐng)一小時(shí)后再嘗試。---NSFC啥時(shí)候好哦，已經(jīng)兩天這樣了 +4 | NSFC2026我來(lái)了 2026-02-28 | 4/200 |
|
|
|
[考研] 272求調(diào)劑 +6 | 田智友 2026-02-28 | 6/300 |
|
|
|
[考研] 291分工科求調(diào)劑 +9 | science餓餓 2026-03-01 | 10/500 |
|