DeepSeek [1] 使用了 2015 年强化学习提示工程师-20250202080859

文章预览

2025-02-02 08:08 本条微博链接 DeepSeek [1] 使用了 2015 年强化学习提示工程师 [2] 及其 2018 年改进版 [3] 的元素，通过 1991 年的神经网络蒸馏程序 [4 ]:一个蒸馏的思路链系统，将 [2] 的 RL 机器和世界模型折叠成一个网络。 参考文献（在网上很容易找到）： [1] #DeepSeekR1 (2025)：通过强化学习激励法学硕士中的推理能力。arXiv 2501.12948 [2] J. Schmidhuber (JS, 2015)。关于学习思考：强化学习控制器和循环神经世界模型的新组合的算法信息理 ………………………………