登上《自然》！DeepSeek-R1训练方法发布_ZAKER新闻 大语言模型（LLM）的推理能力可通过纯强化学习来提升
创始人
2025-09-18 11:20:16
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，记者：张梦然
上一篇：多位中国游客在法国机场高速遭抢劫，不法分子驾驶摩托暴力砸窗抢行李_ZAKER新闻 中国驻法国大使馆领侨处发布《关于中国游客机场高速遭遇抢劫的领事提醒》
下一篇：眼睛发痒、红肿……掌握“避、防、治”三原则，应对过敏性结膜炎 | 科普时间_ZAKER新闻 很多孩子总是 " 眼泪汪汪 "
相关内容
热门资讯
科目三考试顺序是随机的吗 科目...
科目三考试顺序是随机的，是按照一定的顺序进行的。首先，科目三包括道路驾驶技能考试和安全文明驾驶常识考...
如何看油标尺 如何看油标尺 如...
汽车上的油标尺是用来查看润滑油孔存量的一个常用控制量尺，由于油标尺插入孔存在拐弯路径，因而要求油尺插...
科目三科目四联考规定 科目三科...
科目三与科目四联考的相关规定如下：对于符合条件的学员，一旦成功预约科目三考试，系统将自动为其预约同一...
吉利星瑞玻璃水在哪里加 吉利星...
添加玻璃水的位置在发动机舱的左下角。只需打开汽车引擎盖，找到一个标有雨刮器图案的蓝色瓶盖，然后向内添...
丰田卡罗拉车灯怎么关 丰田卡罗...
要关闭丰田卡罗拉的车灯，您只需通过方向盘左侧的灯光组合开关进行调节。轻轻转动顶部的旋钮，即可将自动大...
倒车入库是科目几? 倒车入库是...
倒车入库是科目二中的一个重要考试项目，也是很多人觉得难以掌握的技能。在驾校场地中，学员们需要花费大量...
分动箱油几年换一次 分动箱油几...
分动箱油的更换周期是五到八万公里。如果长时间不更换分动箱油，会对分动箱产生一系列的不良影响。首先，分...
因推动菲中友好遭国内施压，菲学...
直新闻按：" 马科斯政府让美国插手南海问题，为美国与中国的竞争提供支持。在我看来，这非但没有让菲律宾...
美国都要撕裂成两半了，特朗普还...
柯克追悼会 21 日举行，美国安部门如临大敌当地时间 21 日下午，遇刺身亡的美国青年保守派领军人物...
中国国民党主席选举四选一？蓝营...
中国国民党主席选举报名于 9 月 19 日结束，其中共有 6 人登记报名，分别为郑丽文、郝龙斌、张亚...