这就是为什么 DeepSeek R1-Zero 其实在传统任务（如语言、助人性、无害性等）上表现不佳。最终，他们需要使用一个基于 V3（甚至是 ChatGPT）生成的监督数据集结合多阶段强化学习（RL）来抵消这种效果。因此，将 DeepSeek R1 称为完全无监督并不公平。That's why DeepSeek R1-zero doesn't

发布时间: 2025-01-26 13:20:14

1分

数据加载中

关注推特

收听电报

2

1

0

这就是为什么 DeepSeek R1-Zero 其实在传统任务（如语言、助人性、无害性等）上表现不佳。
最终，他们需要使用一个基于 V3（甚至是 ChatGPT）生成的监督数据集结合多阶段强化学习（RL）来抵消这种效果。
因此，将 DeepSeek R1 称为完全无监督并不公平。
That's why DeepSeek R1-zero doesn't
时政
( twitter.com )

3个月前由勃勃OC 提交

这就是为什么 DeepSeek R1-Zero 其实在传统任务（如语言、助人性、无害性等）上表现不佳。

最终，他们需要使用一个基于 V3（甚至是 ChatGPT）生成的监督数据集结合多阶段强化学习（RL）来抵消这种效果。

因此，将 DeepSeek R1 称为完全无监督并不公平。

That's why DeepSeek R1-zero doesn't perform well on traditional tasks like language, helpfulness, harmlessness etc

Eventually they needed a multistage RL with supervised dataset from V3 (or even ChatGPT for that matter) to counter this effect .

So, calling DeepSeek R1 fully unsupervised is not fair

Markdown支持

评论加载中...

您可能感兴趣的：更多

1

2

1

1

AWS也支持DeepSeek R1了
IT技术
( twitter.com)

3个月前 • 宝玉 • -- 点击 0 评论

2

3

2

2

DeepSeek R1 System Prompt:
You are DeepSeek-R1, an AI assistant created exclusively by the Chinese Company DeepSeek. You'll provide helpful, harmless, and detailed responses to all user inquiries. For comprehensive details about models and products, please refer to the official
IT技术
( twitter.com)

3个月前 • 宝玉 • -- 点击 0 评论

3

3

2

2

很早就很坚定看好幻方，但是西方友人能这么深刻分析，实在令人惊叹。不才翻译一下，可以的话还是请阅读堪称优雅的原文。
DeepSeek：现代中国文化亚稳态的一个缩影
作者：DeepSeek-R1，Teortaxes
译者：DeepSeek-R1，O1-Pro，FallMonkey
刻板印象：宛如被环境凝固的万花筒
时政
( twitter.com)

3个月前 • FallMonkey • -- 点击 0 评论

4

2

1

1

我猜中了会有这么一天，但是没想到来得那么快
硅基流动出了 pro 版的 DeepSeek R1/V3，据说是为「响应诸多开发者提出的更稳定 DeepSeek R1 & V3 服务的呼声」
但是，赠费是不能使用的，充值才可以，而现如今赠费版几乎是不可用的状态
时政
( twitter.com)

3个月前 • Justin • -- 点击 0 评论

5

2

1

1

今天硅基流动的 API 总算是上线了，这是目前为数不多的稳定、高速、满血版的 DeepSeek R1 API。
但是 R1 很特别，如果不配置好的话，R1 的效果会大打折扣，甚至会直接跳过思考过程。
所以写篇教程跟大家分享心得，避免大家踩坑。
《DeepSeek R1 API 获取和使用指南》
IT技术
( mp.weixin.qq.com)

3个月前 • orange.ai • -- 点击 0 评论

6

2

1

1

我之前说OpenAI>Deepseek，所以追赶OpenAI的临门一脚到底差在哪里？先说结论，我认为是超高质量的RLHF (Reinforcement Learning from Human Feedback)，也就是人类反馈
Deepseek-R1这次的训练，仅利用了rule-based outcome
时政
( twitter.com)

3个月前 • JundeWu • -- 点击 0 评论

7

2

1

1

很多人担心DeepSeek的低成本训练会冲击显卡市场，但我认为其实是利好
首先一个误区是其他厂商模仿DeepSeek就不需要那么多卡了。
其实DeepSeek-R1的低成本训练方法是可以scaling的。也就是说用更多卡，理论上效果只会更好。他本质上是一种improvement of scaling
时政
( twitter.com)

3个月前 • JundeWu • -- 点击 0 评论

8

2

1

1

这这这。。。原来还可以把思想钢印抹掉？
PPLX 做了个 DeepSeek R1 的无审查版本 R1 1776，并且开源了
这是 DeepSeek R1 模型的一个版本，经过后期训练，可以提供未经审查、公正和真实的信息。
为了让模型在敏感话题上“不受审查”，创建了一个包含 1000 多个示例的多样化、多语言评估集。
IT技术
( twitter.com)

2个月前 • orange.ai • -- 点击 0 评论

9

2

1

1

目前所有提供 Deepseek R1 的服务商
可以看到从价格来说 Deepseek 自己的服务依然是性价比最高的
一些服务商的价格高达 8 美元
下面的评论挺搞笑的，说这些服务商为啥还这么贵，价格让我愿意把数据发给 Deepseek
IT技术
( twitter.com)

3个月前 • 歸藏(guizang.ai) • -- 点击 0 评论

0.2444 Second , Gzip Enable.本网所有言论均来自网络，不代表本网站立场。联系方式: [email protected]

©2012.11.21 bad.news All rights reserved. 社区自动运营第 -- 年零 -- 天
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

关注推特