據南華早報和彭博（Bloomberg）報道，深度求索（DeepSeek）與清華大學研究人員合作，開發出一種新的強化學習技術。該技術能夠降低AI模型的訓練成本，同時提升其性能。
研究人員發布了一篇論文，詳細探討了如何通過延長推理時間來改善大型語言模型（LLM）的回答準確度。在減少運算資源消耗的同時，這一技術能夠提供更加貼近人類需求的答案。目前，大多數主流AI模型采用強化學習方法，通過模型與環境的交互以及獎勵機制來完成學習。
在此次研究中，DeepSeek和清華大學設計出一種名為DeepSeek-GRM（生成式獎勵模型；Generative Reward Modeling）的技術。該技術基于點狀生成式獎勵模型（pointwise generative reward modeling），能夠以統一的方式評估模型的回應。此外，研究人員還提出了一種名為SPCT（Self-Principled Critique Tuning）的訓練方法，使DeepSeek-GRM能夠針對特定查詢和回應自動提出相應原則，并依據這些原則進行評估。
研究結果顯示，DeepSeek-GRM在多項基準測試中表現出色，相較于傳統獎勵模型，其偏差更小。DeepSeek表示，DeepSeek-GRM模型將進行開源發布。
值得一提的是，DeepSeek此前推出的基礎模型V3和推理模型R1曾引發科技界的廣泛關注。據路透（Reuters）援引知情人士的消息，下一代推理模型R2可能會比原定的5月更早發布，其程序設計能力將大幅提升。

本文鏈接：http://www.tebozhan.com/showinfo-27-142479-0.htmlDeepSeek聯合清華大學推出AI模型訓練新技術，將開源發布

聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com

上一篇： Cassava計劃在非洲部署1.2萬顆GPU，攜手NVIDIA共建AI工廠

下一篇： 漢翔首季接單超85億，積極開拓民用航空市場