9月17日，梁文鋒團(tuán)隊在《自然》雜志發(fā)表論文，介紹開源AI模型DeepSeek-R1采用的大規(guī)模推理模型訓(xùn)練方法。研究表明，通過純強(qiáng)化學(xué)習(xí)訓(xùn)練大規(guī)模推理模型，可有效提升大語言模型推理能力并降低人類輸入需求。該模型在數(shù)學(xué)、編程競賽及STEM領(lǐng)域研究生水平任務(wù)中表現(xiàn)優(yōu)異，如數(shù)學(xué)基準(zhǔn)測試得分達(dá)77.9%（DeepSeek-R1-Zero）和79.8%（DeepSeek-R1）。模型以解決問題獲獎勵機(jī)制強(qiáng)化學(xué)習(xí)，減少訓(xùn)練成本與復(fù)雜性。團(tuán)隊稱未來將聚焦優(yōu)化獎勵過程以提高推理可靠性。
（科技日報記者 張夢然 岳靚）
網(wǎng)友評論
