據(jù)南華早報(bào)和彭博（Bloomberg）報(bào)道，深度求索（DeepSeek）與清華大學(xué)研究人員合作，開發(fā)出一種新的強(qiáng)化學(xué)習(xí)技術(shù)。該技術(shù)能夠降低AI模型的訓(xùn)練成本，同時(shí)提升其性能。
研究人員發(fā)布了一篇論文，詳細(xì)探討了如何通過延長推理時(shí)間來改善大型語言模型（LLM）的回答準(zhǔn)確度。在減少運(yùn)算資源消耗的同時(shí)，這一技術(shù)能夠提供更加貼近人類需求的答案。目前，大多數(shù)主流AI模型采用強(qiáng)化學(xué)習(xí)方法，通過模型與環(huán)境的交互以及獎(jiǎng)勵(lì)機(jī)制來完成學(xué)習(xí)。
在此次研究中，DeepSeek和清華大學(xué)設(shè)計(jì)出一種名為DeepSeek-GRM（生成式獎(jiǎng)勵(lì)模型；Generative Reward Modeling）的技術(shù)。該技術(shù)基于點(diǎn)狀生成式獎(jiǎng)勵(lì)模型（pointwise generative reward modeling），能夠以統(tǒng)一的方式評(píng)估模型的回應(yīng)。此外，研究人員還提出了一種名為SPCT（Self-Principled Critique Tuning）的訓(xùn)練方法，使DeepSeek-GRM能夠針對(duì)特定查詢和回應(yīng)自動(dòng)提出相應(yīng)原則，并依據(jù)這些原則進(jìn)行評(píng)估。
研究結(jié)果顯示，DeepSeek-GRM在多項(xiàng)基準(zhǔn)測試中表現(xiàn)出色，相較于傳統(tǒng)獎(jiǎng)勵(lì)模型，其偏差更小。DeepSeek表示，DeepSeek-GRM模型將進(jìn)行開源發(fā)布。
值得一提的是，DeepSeek此前推出的基礎(chǔ)模型V3和推理模型R1曾引發(fā)科技界的廣泛關(guān)注。據(jù)路透（Reuters）援引知情人士的消息，下一代推理模型R2可能會(huì)比原定的5月更早發(fā)布，其程序設(shè)計(jì)能力將大幅提升。

本文鏈接：http://www.www897cc.com/showinfo-27-142479-0.htmlDeepSeek聯(lián)合清華大學(xué)推出AI模型訓(xùn)練新技術(shù)，將開源發(fā)布

聲明：本網(wǎng)頁內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問題請及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：2376512515@qq.com

上一篇： Cassava計(jì)劃在非洲部署1.2萬顆GPU，攜手NVIDIA共建AI工廠

下一篇： 漢翔首季接單超85億，積極開拓民用航空市場