注册    登录
专栏名称: 黄建同学
数码博主 超话主持人（ChatGPT超话） 头条文章作者 我的学习笔记，关注AI+新能源
今天看啥
微信公众号rss订阅, 微信rss, 稳定的RSS源
目录
今天看啥  ›  专栏  ›  黄建同学

DeepSeek-R1，通过创新的无监督强化学习和开源策略展现了-20250122080918

黄建同学  · 微博  · AI  · 2025-01-22 08:09
    

文章预览

2025-01-22 08:09 本条微博链接 DeepSeek-R1，通过创新的无监督强化学习和开源策略展现了其独特性，从某种角度来说，已经在模型研发方面从模仿到超越OpenAI了。 1. 后训练与强化学习: DeepSeek-R1在后训练阶段大规模应用了强化学习（RL）技术，尤其是其基础版本DeepSeek-R1-Zero，完全依赖于纯强化学习进行训练，而不使用监督微调（SFT）。这种方法使得模型在极少标注数据的情况下，依然能够显著提升推理能力。 2. 群组相对策略优 ………………………………

原文地址：访问原文地址
快照地址： 访问文章快照
总结与预览地址：访问总结与预览
推荐文章
宝玉xp  ·  回复@新答觉得研究真是太难了T_T:分析Stripe支付流量//-20250122003656
昨天
爱可可-爱生活  ·  【用AI加速学习的秘诀（10个关键提示词模板）】10个实用的AI-20250121085010
2 天前
爱可可-爱生活  ·  【[5.3k星]TinyTroupe：微软推出的AI驱动多角色模-20250120190504
2 天前
爱可可-爱生活  ·  本文提出了 AITP 方法，通过识别并改写预训练语料库中现有指令-20250120053346
3 天前
爱可可-爱生活  ·  [CL]《LatteReview: A Multi-Agent -20250120060723
3 天前
心榜  ·  小城咨询师入驻首选：壹心理自营招募计划
5 月前
物联网智库  ·  从“万物互联”向“万物智联”，深度解读工信部移动物联网最新政策
4 月前
有书  ·  三九进九时间表，太实用了，送给大家
4 周前
版权为什么  ·  01.07 商标主题谷歌搜索快讯
2 周前
关于   移动版   ·   Py中国   ·   RSS之家   ·   CodingPro   ·   Code   ·   Link之家   ·   卧龙AI搜索   ·   小百科   ·   51好读   ·   小百科（海外）   ·   Link管理
今天看啥 - 微信公众号rss订阅, 微信rss, 稳定的RSS源
© 2024 ~ 沪ICP备11025650号