歐盟人工智能法案：四種AI系統風險類型的劃分及監管措施
作者：趙志東 蔡佳雯來源：區塊鏈日報該法案采用風險分級的規制路徑，將人工智能系統的風險劃分成不可接受的風險、高風險、有限風險和輕微風險四種類型，并針對不同類型施加了不同
在人工智能界掀起波瀾的DeepSeek團隊，于近日震撼發布了其最新力作——DeepSeek-R1模型。這款開源模型一經問世，便在Github平臺上迅速積累了超過4000顆星的矚目成績，成為大模型領域的一顆璀璨新星。
DeepSeek-R1的問世，不僅有力回擊了此前關于其借鑒OpenAI o1的質疑，團隊更是直接宣稱：“我們的R1能與開源版的o1平分秋色。”這一自信宣言，無疑為業界帶來了新的震撼。
尤為DeepSeek-R1在訓練方式上實現了重大突破，摒棄了傳統的SFT數據依賴，完全通過強化學習（RL）進行訓練。這一創新之舉，標志著R1已經具備了自我思考的能力，更加貼近人類的思維邏輯。
R1的卓越表現，讓眾多網友將其譽為“開源LLM界的AlphaGo”。在數學、代碼、自然語言推理等多個領域，R1均展現出了與o1正式版不相上下的實力，甚至在某些基準測試中更勝一籌。
例如，在AIME 2024數學競賽中，DeepSeek-R1取得了79.8%的優異成績，略高于OpenAI的o1-1217。在MATH-500測試中，R1更是以97.3%的高分與o1-1217并駕齊驅，同時遠超其他模型。在編程競賽方面，R1同樣表現出色，其在Codeforces上的Elo評級達到了2029，超越了96.3%的人類參賽者。
DeepSeek團隊還將R1蒸餾出了6個小模型并開源給社區，參數從1.5B到70B不等。其中，蒸餾過的R1 32B和70B模型在性能上不僅超越了GPT-4o、Claude 3.5 Sonnet和QwQ-32B，甚至與o1-mini的效果相當。更令人驚嘆的是，R1在實現這些卓越性能的同時，成本僅為o1的五十分之一。
除了R1在基準測試中的優異表現外，其發布即開源的訓練數據集和優化工具也贏得了眾多網友的贊譽。他們紛紛表示，這才是真正的Open AI精神。
DeepSeek-R1的成功背后，離不開其三大核心技術的支撐：Self play、Grpo以及Cold start。DeepSeek團隊此次開源的R1模型共有兩個版本，分別是DeepSeek-R1-Zero和DeepSeek-R1，兩者均擁有660B的參數，但功能各有特色。
DeepSeek-R1-Zero完全摒棄了SFT數據，僅通過強化學習進行訓練，實現了大模型訓練中首次跳過監督微調的壯舉。而DeepSeek-R1則在訓練過程中引入了少量的冷啟動數據，并通過多階段強化學習優化模型，極大提升了模型的推理能力。
DeepSeek-R1在訓練過程中還出現了“頓悟時刻”，模型自發地學會了“回頭檢查步驟”的能力。這一能力的涌現，并非程序員直接教授，而是在算法通過獎勵正確答案的機制下自然形成的。這一發現，無疑為人工智能的發展帶來了新的啟示。
本文鏈接：http://www.www897cc.com/showinfo-45-11728-0.htmlDeepSeek-R1橫空出世，能否成為OpenAI o1的強勁對手？
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號