𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞
5小时前

Deepseek的GRPO（Group Relative Policy Optimization ）算法，还是非常有效的long CoT的RL方法，根据最后结果只和之前的相比更趋近目标，就能得到奖励，非常smart，在reward hack和RL效能之间取得平衡。 姚顺雨说起来只是个搞prompt的，用Tree of Search解决NTP基础上的有一定结构的token块的搜索问题。 语言真是

#DeepSeek #GRPO算法 #long CoT #RL方法 #姚顺雨 #Tree of Search #NTP #token块搜索

相关新闻

placeholder

中国政经事实ChinaFacts

3小时前

First peer reviewed study. deepseek总是在用一些超长的眼光做一些超越同业的事业，即使在今年全球出圈后充满诱惑今天依然如此。 非常看好他们，中国企业乃至当下全球ai行业中少见的纯粹的长期主义。

placeholder

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

4小时前

LLM预训练的成果应该由全人类共享：包括会话理解与推理思考。 由梁文锋把DeepSeek的开源成果发Nature想到的。

placeholder

Herman Jin

17小时前

你们吹捧Deepseek我泼冷水，你们吹中国AI我还是泼冷水 Deepseek连training门在哪都没找到，连抄NV的算力都拿不到 寒武纪下单片的零头也流不出来，华为片连A100也跑不过 中国晶圆厂跟TSMC比连受精卵都算不上 period

placeholder

Herman Jin

19小时前

来了一阵吹中国科技公司AI/芯片的牛逼风 记得我当时点评deepseek的话吗？时间很快会证明他们一捅就破的谎言

placeholder

Guangzheng Li

1天前

看到昨天卡兹克发的公众号，感觉好笑又魔幻，淘宝卖 DeepSeek 无限使用满血版，结果下单后发现是发各大厂商的 AI 产品链接，里面有免费使用的 DeepSeek。 最搞笑的是震惊的来了一句：Kimi你也有了？？？