AI下的内容 - news.news

暂无通知

#AI

川和.豆沙維尼🇹🇼 橘貓愛好份子

4小时前

吹AI的時候就說AI能大幅提升生產力，吹doge 的時候就被24小時睡辦公室。

吹AI的時候就說AI能大幅提升生產力，吹doge 的時候就被24小時睡辦公室。

#AI #提升生产力 #DOGE
宝玉

16小时前

Anthropic 并不鼓励用 AI 写他们家的求职申请： > 我们鼓励员工在工作中使用AI系统来提高效率和工作效果，但在申请过程期间，请不要使用AI助手。我们希望了解你对Anthropic的真实兴趣，而不是通过AI系统传达。同时，我们也希望评估你未经AI辅助的沟通能力。如果你已阅读并同意，请标注“是”。 > > 为什么你想在Anthropic工作？（我们非常重视这一回答——优秀的答案通常在2

Anthropic 并不鼓励用 AI 写他们家的求职申请： > 我们鼓励员工在工作中使用AI系统来提高效率和工作效果，但在申请过程期间，请不要使用AI助手。我们希望了解你对Anthropic的真实兴趣，而不是通过AI系统传达。同时，我们也希望评估你未经AI辅助的沟通能力。如果你已阅读并同意，请标注“是”。 > > 为什么你想在Anthropic工作？（我们非常重视这一回答——优秀的答案通常在200-400字之间。） —— Anthropic 在线求职申请表

#Anthropic #AI #求职申请
Jacobson🌎🌸贴贴BOT

2天前

来自豆包模型，中国的AI要讲党性😂

来自豆包模型，中国的AI要讲党性😂

#中国 #AI #党性
网易新闻-澎湃新闻

3天前

“木头姐”谈DeepSeek启示：在AI领域成功不用那么烧钱，加速了成本崩溃

“木头姐”谈DeepSeek启示：在AI领域成功不用那么烧钱，加速了成本崩溃,伍德,凯西,木头姐,人工智能,deepseek

#AI #DeepSeek #成功
勃勃OC

3天前

o3-mini是专门在代码问题上微调的。r1同时在代码和数学题上微调。这个例子显示，r1的代码能力并不如o3-mini。DeepSeek并没有“魔法”，技术上也未超越OAI。数据决定模型，RL也是。

o3-mini是专门在代码问题上微调的。r1同时在代码和数学题上微调。这个例子显示，r1的代码能力并不如o3-mini。DeepSeek并没有“魔法”，技术上也未超越OAI。数据决定模型，RL也是。

#AI #模型 #机器学习
勃勃OC

3天前

啊？这靠谱吗？ AI 给的25年翻倍计划。。。 Not Financial Advice 我觉得应该问他： 2025年，NVDA还能抄底吗？

啊？这靠谱吗？ AI 给的25年翻倍计划。。。 Not Financial Advice 我觉得应该问他： 2025年，NVDA还能抄底吗？

#AI #投资 #NVDA
网易新闻-科创板日报

3天前

AI界“拼多多”DeepSeek国内外刷屏！龙头20CM一字板，受益上市公司梳理

AI界“拼多多”DeepSeek国内外刷屏！龙头20CM一字板，受益上市公司梳理,一字板,拼多多,南威软件,昆仑万维,招商证券,知名企业,a股上市公司

#AI #DeepSeek #股市
汉尼拔火罐

3天前

美国已被控制，下一个是Ai, 最终是世界…

美国已被控制，下一个是Ai, 最终是世界…

#美国 #AI #控制
新浪新闻-每日经济新闻

3天前

狂飙13天：开源DeepSeek如何撼动全球AI市场

从1月20日推理模型DeepSeek-R1开源至今13天来，DeepSeek引起全球的惊讶，英伟达市值一周蒸发5520亿..._新浪网

#AI #开源 #DeepSeek
大雄的微笑

4天前

以色列利用AI+通信卫星针对伊朗执行暗杀行动…不用卫星穿梭任何电子防卫系统干扰、自动识别寻找目标🎯无所遁逃更小型隐身化

以色列利用AI+通信卫星针对伊朗执行暗杀行动…不用卫星穿梭任何电子防卫系统干扰、自动识别寻找目标🎯无所遁逃更小型隐身化

#以色列 #AI #通信卫星
韩连潮

4天前

【苏格拉底之死】躲避当今喧嚣嘈杂世界最好的办法是静心读经典。借助AI，我们可对人类思想精髓和智慧有更深理解。雅典民主的多数决处死了苏格拉底，而这位哲人早就告诉我们：“我们不应过于在意多数人对我们的看法，而应关注真正理解正义与非正义的人，以及真理本身的评价。We should not then think so much about majority say about us, but what t

【苏格拉底之死】躲避当今喧嚣嘈杂世界最好的办法是静心读经典。借助AI，我们可对人类思想精髓和智慧有更深理解。雅典民主的多数决处死了苏格拉底，而这位哲人早就告诉我们：“我们不应过于在意多数人对我们的看法，而应关注真正理解正义与非正义的人，以及真理本身的评价。We should not then think so much about majority say about us, but what that person will say who understand justice and injustice, and the truth itself.

#苏格拉底 #AI #雅典民主
新浪新闻-市场资讯

5天前

DeepSeek要颠覆投资观，Altman坐不住了？被爆敦促美国会和白宫继续砸钱支持AI

来源：华尔街见闻Altman周四在国会和白宫官员出席的闭门会议上说，DeepSeek的崛起表明，推动在美国投入千亿美元兴建AI基础设施的星际之门项目“是件大好事”；未来将需要“多得多的算力”，因为既要改进AI模型，又要支持日益增长的用量。D

#DeepSeek #投资观 #Altman
王海滨的财经闲谈

5天前

有一年朋友接了个二千万的包，让我帮他分析一下前景。我考察了一下，发现那家公司技术上走错了路，没戏了。朋友没投，但那家公司还是借壳上了市。背后的股权基金不肯认输，已经烧了那么多钱，宁肯上市转方向，塞概念。其实中国投电动车，美国大规模投AI,数千亿的愿景投下去，已经几百亿的烧，背后的资本已经被顶在杠头上，结果跑出来一个deep seek 花了很少的钱，戳破皇帝的新衣，股权市场其实是恐惧的。无论如何要

有一年朋友接了个二千万的包，让我帮他分析一下前景。我考察了一下，发现那家公司技术上走错了路，没戏了。朋友没投，但那家公司还是借壳上了市。背后的股权基金不肯认输，已经烧了那么多钱，宁肯上市转方向，塞概念。其实中国投电动车，美国大规模投AI,数千亿的愿景投下去，已经几百亿的烧，背后的资本已经被顶在杠头上，结果跑出来一个deep seek 花了很少的钱，戳破皇帝的新衣，股权市场其实是恐惧的。无论如何要忽悠着。你不要说deepseek抄袭，他蒸馏，你自己也可以蒸馏，能不能做到更出色更廉价？马斯克是大嘴巴，他讲了几句，说大语言模型已经把人类所有的数据都扫过一遍了，再下去要AI来创造新数据了。其实就是AI只是在人类的知识框架内玩耍，无法突破。维特根斯坦说，语言即世界，语言之外的世界，人类是不知道的。因此，AI不知道语言之外的世界。因此，AI地区能帮助人类提高效率，那如果耗费数千亿数万亿，只能做到这些，原本人类就可以做到，只是替代了人工搜索，手工画作，模拟写诗。那与资本市场憧憬的东西相聚太远，市梦率会幻灭。分享盛宴的宴席，冷风吹开了大门。这才导致突然在24小时之后，巨头与美国政府集体暴怒。并非deepseek有多伟大，而是突然间市场开始疑惑：AI真的那么神话吗？花瓶悄然有了一丝裂痕。

#股权基金 #借壳上市 #电动车
大雄的微笑

6天前

这根本就不是人工智慧AI啊！这是中国智障BI吧！！我没看过这么低能的AI啊⋯⋯ 问的问题大概9成都不能回答，剩下一成乱答。

这根本就不是人工智慧AI啊！这是中国智障BI吧！！我没看过这么低能的AI啊⋯⋯ 问的问题大概9成都不能回答，剩下一成乱答。

#AI #人工智能 #智障
Lee1ng

1周前

Deepseek所呈现出的各种言论审查笑话，并不是它有多么差，因为它已经证明了自己的出色价值。这些笑话恰恰是在证明中共对AI进行言论审查的荒诞和可笑。也让所有人看到即使国内团队做出了世界级的产品，最后依然是瓶颈来自细颈瓶——对科技进步和文化发展限制最严重的恰恰是中共本身。当然我非常清楚有些人又会躲在实用主义后面假装看不见屋子里的大象。但我想大家都明白一点，这其实决定了AI系统在生成和传播信息上

Deepseek所呈现出的各种言论审查笑话，并不是它有多么差，因为它已经证明了自己的出色价值。这些笑话恰恰是在证明中共对AI进行言论审查的荒诞和可笑。也让所有人看到即使国内团队做出了世界级的产品，最后依然是瓶颈来自细颈瓶——对科技进步和文化发展限制最严重的恰恰是中共本身。当然我非常清楚有些人又会躲在实用主义后面假装看不见屋子里的大象。但我想大家都明白一点，这其实决定了AI系统在生成和传播信息上的上限和边界。所以我觉得如果你真心支持国产AI的发展，那你反而更应该反对中共对于AI的言论审查干预。

#AI #言论审查 #中共
Panda

1周前

【从DeepSeek到AI行业的四个思考】一、论文推荐：大模型领域的「教科书式」样本今天重读DeepSeek系列论文，印象深刻的其实是24年2月的 DeepSeek-Math ，如果说关于大模型领域你没有太多时间看论文，那单看这篇就够了，蕴含了他们对数据工程、RL的一切思考和实践，而其他论文都像是按部就班的后来之作，solid的工作是今天流量爆炸的基础二、GPU ownership ≠

【从DeepSeek到AI行业的四个思考】一、论文推荐：大模型领域的「教科书式」样本今天重读DeepSeek系列论文，印象深刻的其实是24年2月的 DeepSeek-Math ，如果说关于大模型领域你没有太多时间看论文，那单看这篇就够了，蕴含了他们对数据工程、RL的一切思考和实践，而其他论文都像是按部就班的后来之作，solid的工作是今天流量爆炸的基础二、GPU ownership ≠ GPU utilization，真正的算力霸权，藏在代码而非机房两天前我说“算力短缺是个笑话”其实略显不严谨，更准确的结论是： GPU ownership ≠ GPU utilization 见过几个团队豪掷百万美元训练模型，实际通过数据/算法优化就能将成本压到1-5% 讽刺的是，即便投入如此巨资，效果依然不尽如人意，他们只能搬出“scaling law还未生效”之类的说法向上级/甲方/投资人解释。结合今天DeepSeek的故事，训练优质模型需要千卡不假，但真正的竞争力在于—— 1. 用10张卡做出别人100张卡的效果（技术密度） 2. 用100张卡产出别人1000张卡的成果（工程效率）一个组织的模型创新实力，不在于GPU名义拥有量（GPU ownership），而在于GPU有效产出量（GPU utilization），产出低的组织会一味吹嘘大显卡的故事真正的算力霸权，藏在代码而非机房三、一切问题都是经济问题在技术以外我们能看到一个问题：创新是富人的游戏经济自由之后才可以按自己的想法做事情，靠讲故事拿到过高的估值其实也是一种负担，融资得来的钱并不是自己的钱 DeepSeek团队能专注底层技术，是因为背后站着幻方量化—— 显卡是之前为量化业务囤的，DeepSeek的人员成本可能还不如幻方每年做慈善捐的钱多也几乎没有严肃考虑过商业化的事情，不做营销、不刷榜、把底层技术做solid做到极致，其他的自然就来了。怎么做科技企业，穷人得在金钱上做决定，创新只生在大富之家反观大多数团队： → 用投资人的钱做“共识内创新”（否则无法交代） → 用客户的钱做“可解释性研发”（否则无法续费）我们曾用廉价的AutoDL平台以几十万RMB的极低成本训练30B合成数据的模型，这个路子我一直认为是对的，但最终搁置—— 哪怕我们这样合成出的数据比简单蒸馏OpenAI、Claude好得多，但客户和投资人都会觉得这是简单的左脚踩右脚，不是技术不对，而是：当你的生死取决于外部资金时，创新永远要为生存让路。 ▸ R1-Zero像赤手空拳的野路子天才（纯RL硬刚结果奖励） ▸ R1像受过系统训练的学院派（冷启动数据+RL调优）技术路线的选择自由，本质上是一种财务自由。四、借假修真不如直取真经前辈提起过一个借假修真的话题：“如果你想做A，但你觉得A需要的资源很多，所以你跟外界说你要先做B，那你不如一开始就直接去做A” 若终极目标是A，却因资源不足改做B，本质是自我阉割而真实世界的悖论：越是资源有限，越需要All in真实需求今年试水个人账号，虽然没太大的成绩，但推特也有8k粉了，也算小有感悟：当你的个人账号=公司品牌时—— ▸ 所有观点不再需要包装，粉丝天然就是你公司产品的种子用户 ▸ 账号像一面镜子：经营账号的过程中不断剖析自己的性格底色到底如何，拒绝掉一切和自己调性不符的事情可能做账号的过程就是做真实的自己

#AI #DeepSeek #大模型
谷风

1周前

我不懂AI，但基于我党的习惯（不造谣就不是共产党），我还是倾向不信，并认为这只是习近平的贺年意淫。

我不懂AI，但基于我党的习惯（不造谣就不是共产党），我还是倾向不信，并认为这只是习近平的贺年意淫。

#习近平 #共产党 #AI
网易新闻-金融界

1周前

DeepSeek双杀！一夜干翻英伟达近6000亿市值，再发文生图模型，创始人：中国AI不可能永远处于跟随位置

DeepSeek双杀！一夜干翻英伟达近6000亿市值，再发文生图模型，创始人：中国AI不可能永远处于跟随位置,中国,英伟达,台积电,国产芯片,知名企业,deepseek

#DeepSeek #英伟达 #市值
LT 視界

1周前

在美國輿論對Deepseek的成功很沮喪的時候，中國媒體對Deepseek的評價有點玩世不恭：Deepseek不過是AI界的拼多多。

在美國輿論對Deepseek的成功很沮喪的時候，中國媒體對Deepseek的評價有點玩世不恭：Deepseek不過是AI界的拼多多。

#DeepSeek #AI #中美竞争
Tigris 会讲课教授是好老师

1周前

🔥AI最全推理大模型防坑指南 💰$200的o1 Pro=智商税（90%的人用不出价值） ⚡$20的o1=专业人士必备（吊打ChatGPT4） 🌍免费首选：谷歌Gemini（百万级上下文） 🇨🇳墙内救星：DeepSeek R1（免费但够用） 🚨提示词工程已死！新法则： 1️⃣ 说目标：「写融资BP」 2️⃣ 定规则：「不用专业术语」 3️⃣ 喂背景：「智能硬件赛

🔥AI最全推理大模型防坑指南 💰$200的o1 Pro=智商税（90%的人用不出价值） ⚡$20的o1=专业人士必备（吊打ChatGPT4） 🌍免费首选：谷歌Gemini（百万级上下文） 🇨🇳墙内救星：DeepSeek R1（免费但够用） 🚨提示词工程已死！新法则： 1️⃣ 说目标：「写融资BP」 2️⃣ 定规则：「不用专业术语」 3️⃣ 喂背景：「智能硬件赛道/A轮」

#AI #推理大模型 #指南
川和.豆沙維尼🇹🇼 橘貓愛好份子

1周前

怎麼突然全網都是AI專家？

怎麼突然全網都是AI專家？

#AI #專家 #社交媒體
Yachen Liu

1周前

我的重仓 Cloudflare 盘前也因为恐慌跌了 7%，现在已经翻红涨 2% 了。这才合理嘛，即使未来 AI 真是中国走强了，不也得靠全球性网络基础设施支撑，跟着 NVIDIA 跌个什么…

我的重仓 Cloudflare 盘前也因为恐慌跌了 7%，现在已经翻红涨 2% 了。这才合理嘛，即使未来 AI 真是中国走强了，不也得靠全球性网络基础设施支撑，跟着 NVIDIA 跌个什么…

#CloudFlare #股市 #AI
向阳乔木

1周前

根据纳瓦尔引用MATT MCDONAGH的一篇夸Deepseek的文章。用Gemini flash thinking 01-21，模仿 Mark mason粗口风格重写，别有一番风味哈哈哈！ AI 领域刚TM发生了一件大事，别怪我没提醒你好吧，我本来不想显得大惊小怪，或者像个标题党… 但TMD，AI 领域（以及真实世界）刚刚发生的事儿，真他妈的要改写人类发展剧本了。我发誓要冷静点儿

根据纳瓦尔引用MATT MCDONAGH的一篇夸Deepseek的文章。用Gemini flash thinking 01-21，模仿 Mark mason粗口风格重写，别有一番风味哈哈哈！ AI 领域刚TM发生了一件大事，别怪我没提醒你好吧，我本来不想显得大惊小怪，或者像个标题党… 但TMD，AI 领域（以及真实世界）刚刚发生的事儿，真他妈的要改写人类发展剧本了。我发誓要冷静点儿 😔 （好吧，我尽力了）但没办法，真的忍不住啊。 2025 年 1 月 22 日，DeepSeek 这帮家伙扔出了一篇论文，题目是《DeepSeek-R1：通过强化学习TM的激励 LLM 的推理能力》。游戏规则TM的真变了。不是因为他们跑分有多牛逼——虽然那确实野到没边了。甚至也不是因为他们的训练成本跟模型性能比起来，简直便宜到离谱—— 虽然这已经够让人震惊了，简直就是TM的杠杆效应。不，真正让整个行业都震了一下子的是，DeepSeek 到底是怎么做到这一点的。我们居然可以 TM 培养通用推理这种智能。 DeepSeek-R1-Zero 直接在一个基础模型上用强化学习搞训练，压根没用什么狗屁监督微调（SFT），这跟以前那些老套路完全不一样。这种新搞法，模型就能自己去探索什么“思维链”（CoT）推理，还能搞出什么自我验证、自我反思这些花里胡哨的能力。这意味着啥？推理能力这玩意儿，可以用强化学习（RL）来激励，根本不用死乞白赖地依赖那些监督数据。要是你还没觉得牛逼，再读一遍，好好品品。（稍后我们再来扯淡这玩意儿的影响。）这些模型展现了一种自我进化的过程，通过强化学习（RL），它们自然而然地增加了思考时间，还TM发展出了各种复杂的推理行为…… DeepSeek-R1-Zero 的某个中间版本甚至出现了“顿悟时刻”，这模型学会了重新评估自己一开始的路子，这TM就显示出强化学习（RL）有多牛逼了，能搞出那些意想不到的、骚操作级别的问题解决策略。这凸显了强化学习（RL）的潜力，它能让模型自主发现解决问题的套路。就像小孩儿一样学习，然后变成一个更TM更TM聪明的成年模型。 DeepSeek-R1 还TM加入了什么冷启动数据和多阶段训练，进一步增强推理性能。这模型先是用高质量、长篇大论的“思维链”（CoT）例子搞了一波微调，然后再进行强化学习（RL），结果可读性和性能都TM上去了。这说明啥？说明精心设计的训练流程，把监督微调（SFT）和强化学习结合起来，就能搞出既牛逼又好用的模型。 DeepSeek 的研究表明，大模型搞出来的那些推理模式，可以成功地被提炼到小模型里。他们用 DeepSeek-R1 搞出来的数据，微调了一些开源模型，比如 Qwen 和 Llama，就搞定了。这意味着，大模型的推理能力可以转移到更小、更高效的模型上，这对实际应用来说，非常重要。 DeepSeek 的研究地表明，LLM 真TM 可以通过强化学习，自然发展出通用推理能力。自我进化过程，以及训练中冒出来的那些复杂行为，突出了模型自主学习和TM精进问题解决策略的潜力。就算你是个“美国优先”的拥趸，天天担心中国在关键领域超车，DeepSeek 的研究成果也TM意义重大，因为它为人工智能的未来发展指明了一条充满希望的路子。他们搞不好已经TM指出了通往 AGI 的路。有人说，DeepSeek 不过是消化了 OpenAI 的模型，然后用更少的成本，复制了他们的智能，以及人类参与强化的那些好处。你也可以说，OpenAI 为了搞 ChatGPT ，TM爬遍了互联网，现在 DeepSeek 又TM爬了 ChatGPT。一切都是公平的，对吧？根据论文，DeepSeek-R1 的训练过程分了好几个阶段，每个阶段都TM是为了增强模型推理能力的不同方面。它TM建立在 DeepSeek-R1-Zero 的基础上，后者本身就用了一种全新的、从头开始的训练方法（名字都TM告诉你了），然后再进一步优化，才搞出了最终的 DeepSeek-R1 模型。最初阶段，重点是纯粹的强化学习（RL），没有任何监督微调（SFT）。据说，基础模型是 DeepSeek-V3-Base。他们用的强化学习算法是“群体相对策略优化”（GRPO）。 GRPO 从群体得分中估计基线，而不是用单独的评价模型。很多研究人员都TM用这招。他们还搞了个基于规则的奖励系统，重点关注准确性和格式。模型要是能用特定格式给出正确答案，就能获得奖励，包括把思考过程放到 <think> 和 </think> 标签里。模型用了一个简单的模板进行训练，要求它先搞出推理过程，然后再给出最终答案，没有特定内容偏见。这种纯强化学习过程的结果是啥？结果就是模型在解决复杂推理任务时的能力TM提升了，还TM具备了自我验证、反思以及生成长链思维（CoT）等骚操作。但是，DeepSeek-R1-Zero 也TM出现了一些问题，比如可读性差，语言混乱—— 搞这玩意儿真TM不容易！为了解决 DeepSeek-R1-Zero 的问题，进一步提升推理性能，他们为 DeepSeek-R1 开发了一个多阶段训练流程。这里的关键词是“冷启动”。在应用强化学习之前，他们收集了数千个长链思维（CoT）例子，用来微调基础模型 DeepSeek-V3-Base。这跟 DeepSeek-R1-Zero 直接从基础模型开始搞，完全不一样。这些例子被设计成方便人类阅读，还包含了推理结果的摘要。冷启动之后，模型进行了大规模强化学习，跟 DeepSeek-R1-Zero 用的过程差不多。重点是增强编码、数学、科学和逻辑推理等领域的推理能力。他们还TM引入了语言一致性奖励，以减少语言混合，尽管这稍微降低了模型的性能。一旦面向推理的强化学习收敛了，就用检查点来创建新的监督微调数据。这包括通过拒绝采样生成的推理数据，以及来自其他领域（如写作、事实问答和自我认知）的额外数据。他们还过滤掉了包含语言混合、长段落或代码块的数据。这提高了结果质量，还减少了思考时间。模型又经历了第二个强化学习阶段，目的是提高其帮助性和无害性，并优化推理能力。这个过程用了多样化的提示，以及结合基于规则的奖励（用于推理任务）和奖励模型（用于通用数据）。为了把 DeepSeek-R1 的推理能力转移到更小、更高效的模型上，他们用了来自 DeepSeek-R1 的精选数据，微调了几个开源模型，比如 Qwen 和 Llama。这个过程只用了监督微调（SFT），没有任何额外的强化学习，就是为了展示蒸馏的有效性。结果，蒸馏后的模型表现令人印象深刻，较小的模型在推理基准测试中超过了其他开源模型。总结一下 → DeepSeek-R1 的训练过程是一个多阶段过程先是用纯强化学习（RL）方法建立推理能力然后通过高质量数据进行冷启动接着通过 RL 和 SFT 进一步优化，最后通过蒸馏将这些推理能力转移到较小的模型中。这种技术组合搞出来的模型，在各种推理任务上的表现，跟 OpenAI-o1-1217（写这篇文章的时候最尖端的技术）有一拼。 DeepSeek-R1 从纯粹的强化学习（RL）开始，在没有初始监督微调（SFT）的情况下，就TM发展出了推理能力，这TM是开创性的。这表明，LLM 有一种更自然、可能更强大的学习方式，类似于人类通过探索和与环境互动来获取知识。通过将强化学习（RL）与监督微调（SFT）和蒸馏技术相结合。 DeepSeek-R1 实现了与 OpenAI 等尖端模型相媲美的性能，而且可能只需要它们训练成本的一小部分。这TM可能会普及先进人工智能的使用，使其对研究人员、开发者及小型组织而言，更加经济实惠，更容易TM搞到手。基于 RL 的训练可以带来更透明的推理过程。模型学会一步一步地“思考”，使其决策比传统的黑箱 LLM 更容易理解和信任。而且，DeepSeek 团队还有更多“燃料”，可以尝试用这种架构达到 AGI 的速度。自然生长的智能，可能使 LLM 更有效地适应新情况和新任务。它们可以从错误中学习，并持续改进性能，而不完全依赖预定义的数据集。简单来说，这就是为什么这件事很重要：想象一下教小孩骑自行车。你可以给他们一本详细的手册（SFT），但他们很可能通过自己尝试（RL）、摔倒、爬起来，然后慢慢进步，学得更好。 DeepSeek-R1 的训练过程也差不多——它允许 LLM 通过“边做边学”来发展自己的推理能力，从而形成更强大、适应性更强的智能。这种方法可能彻底改变人工智能领域，带来更强大、高效和值得信赖的 LLM，可以用于更广泛的应用。这就是通往 AGI 的道路。

#纳瓦尔 #DeepSeek #Gemini
谢嘉琪

1周前

🔥 DeepSeek震撼AI界！以仅约 1/20 的算力成本，达到了 GPT-4 的性能水平！🚀 这一成就源于其在模型算法上的三大革新： ✨1.FP8混合精度训练通过复杂的数学优化，用 8位浮点数替代传统的 32位浮点数进行训练，减少了 75%的内存需求，显著降低算力消耗，同时保持高精度性能。 ⚡2.多标记预测系统打破传统逐字逐句生成的低效模式，多标记预测系统允许模型一次性处

🔥 DeepSeek震撼AI界！以仅约 1/20 的算力成本，达到了 GPT-4 的性能水平！🚀 这一成就源于其在模型算法上的三大革新： ✨1.FP8混合精度训练通过复杂的数学优化，用 8位浮点数替代传统的 32位浮点数进行训练，减少了 75%的内存需求，显著降低算力消耗，同时保持高精度性能。 ⚡2.多标记预测系统打破传统逐字逐句生成的低效模式，多标记预测系统允许模型一次性处理整句或多句内容，推理速度提升 2倍，准确率高达 90%，大幅提高训练与推理效率。 🧠3.专家系统与巨型模型激活所有参数的传统方式不同，DeepSeek通过专家系统按需调用参数。在其 671亿参数中，仅有 37亿参数被激活以处理特定任务，显著减少计算开销。相比之下，传统模型的 1.8万亿参数全部常驻运行，资源利用率极低。

#DeepSeek #AI #GPT-4
宝玉

1周前

这浓浓AI风的私信，让我有理由怀疑骗子们开始使用大语言模型对博主的资料分析，写针对性的搭讪私信

这浓浓AI风的私信，让我有理由怀疑骗子们开始使用大语言模型对博主的资料分析，写针对性的搭讪私信

#AI #大语言模型 #骗子