9月17日,DeepSeek-AI團隊梁文鋒及其同事在《自然》雜志上發(fā)表了開源人工智能(AI)模型DeepSeek-R1所采用的大規(guī)模推理模型訓練方法。

據(jù)報道,與今年1月發(fā)布的DeepSeek-R1的初版論文相比,本次論文披露了更多模型訓練的細節(jié),并正面回應了模型發(fā)布之初的蒸餾質(zhì)疑。
DeepSeek-R1也是全球首個經(jīng)過同行評審的主流大語言模型。Nature評價道:目前幾乎所有主流的大模型都還沒有經(jīng)過獨立同行評審,這一空白“終于被DeepSeek打破”。
DeepSeek-R1包含一個在人類監(jiān)督下的深入訓練階段,以優(yōu)化推理過程。梁文鋒團隊報告稱,該模型使用了強化學習而非人類示例來開發(fā)推理步驟,減少了訓練成本和復雜性。
DeepSeek-R1在被展示優(yōu)質(zhì)的問題解決案例后,會獲得一個模板來產(chǎn)生推理過程,即這一模型通過解決問題獲得獎勵,從而強化學習效果。團隊總結(jié)說,未來研究可以聚焦優(yōu)化獎勵過程,以確保推理和任務結(jié)果更可靠。
梁文鋒出生于1985年,廣東湛江人,幻方量化、DeepSeek創(chuàng)始人。2024年12月,梁文鋒和團隊開發(fā)的大模型“DeepSeek-V3”發(fā)布。2025年4月,梁文鋒入選美國《時代》周刊“2025年全球最具影響力100人”榜單。
DeepSeek是2023年成立于杭州的人工智能公司,由幻方量化孵化。創(chuàng)始團隊由梁文鋒領(lǐng)銜,成員來自頂尖高校與國際機構(gòu)技術(shù)專家。
編輯:萬林