每天一點AI知識小補貼 今天我們來分享 DeepSeek R1 最新的論文 在 DeekSeek 論文中便是關注於如何訓練 AI 獲得更好的推理能力。 - 過去更常以 SFT 的方式來做訓練，有點類似瘋狂刷題並且 ”背解法”，人工準備大量的題目，並且每個題目都已經有明確的解法， AI 嘗試以過往題庫看到的解法來解，有點像大學大考將近，狂背題庫解法來塞知識進大腦裡， - DeepSeek-R1-Zero， 則完全採用 RL，只有一堆沒解法的題庫， AI 只能不斷去撞來嘗試取得解答，就很像是你大考時，你看到的你沒複習到的題目，那時候發揮你推理的能力了，透過已有的知識常識”推理”出可能的答案，如果推不出來，就重推，最後就展現了驚人的自我驗證、反思的能力。 - DeepSeek-R1： 在強化學習前加入少量冷啟動數據，解決 Zero 模型輸出很容易多國語言混用的問題並且提升更強的效能。 基本上是以大白話來介紹，如果在從事相關研究的話可以研究看看 追蹤我，每天能持續看到一點軟體工程的知識小筆記