16,819
个编辑
更改
无编辑摘要
人工智能研究通常是巨头企业的专属游戏，这些公司拥有深厚的财力支持。然而，[[伯克利加州大学]]的一支研究团队却打破了这一局面。他们仅以30美元复制了DeepSeek R1-Zero的核心功能。他们的项目名为[[TinyZero]]，证明先进的人工智能推理模型并不需要耗费巨额资金。更重要的是，人工智能研究比以往任何时候都更容易接近。
在Jiayi Pan的带领下，该团队旨在通过[[强化学习]]([[Reinforcement Learning，RLLearning]]，[[RL]])重新构建DeepSeek的推理模型。与依赖昂贵的云服务或巨大的计算能力不同，他们使用了一个基本的语言模型、一个简单的提示和一个奖励系统来训练TinyZero。
Pan在X平台上分享了他的兴奋之情，表示：“你可以亲身经历那一刻，只需不到30美元。”他还将[[TinyZero]]描述为第一个开源的推理模型复现项目，强调了它如何学会验证和完善自己的答案。
'''DeepSeek是如何训练的'''
'''DeepSeek R1通过创新的多阶段强化学习R1通过创新的多阶段[[强化学习]]([[RL]])训练方法，采用组相关策略优化 (GRPO)，在复杂推理任务中表现不俗，甚至有望超越OpenAI的o1模型。'''
DeepSeek AI发布了其最新的模型DeepSeek-R1，这是一款在复杂推理任务中与OpenAI的o1模型相媲美的开源模型。'''它采用了一种名为组相关策略优化([[GRPO]])的强化学习算法，并通过多阶段训练方法不断优化。'''这一新算法旨在提升大型语言模型(LLM)的推理能力，尤其在数学推理等领域表现尤为突出。
