#开源领域

Tigris 会讲课教授是好老师

5个月前

你以为DeepSeek的AI奇迹，只靠神秘算法？大错特错！真正令他们领先的秘诀，恰恰是连CEO梁文峰都亲自下场干的“脏活” —— 数据标注！与那些轻率的 “AI玄学” 论调截然相反，DeepSeek R1的突破，根植于海量的优质人工生成和合成数据。事实上，DeepSeek模型在开源领域，正以惊人的数据量刷新纪录： 1️⃣60万条核心推理数据 (驱动模型深度思考) 2️⃣20万条监督微调 (SFT) 数据 (提升模型指令跟随能力) 3️⃣规模惊人的RLHF人工偏好数据集 (据估计至少300-500万条样本！远超同行，塑造更符合人类价值观的AI) 4️⃣关键的CoT链式推理合成数据 (高质量“冷启动”燃料，加速模型效率飞升) 正是这史无前例的高质量数据投喂，才最终成就了DeepSeek R1在低成本下，推理能力的惊人涌现，开创AI新范式！如此规模的优质合成数据，究竟从何而来？答案或许已呼之欲出。

#DeepSeek #AI发展 #数据标注 #AI玄学 #CEO参与 #开源领域 #人工智能 #数据量 #模型进步