復旦教授談DeepSeek AI界的“鯰魚”效應

小大

用微信掃描二維碼
分享至好友和朋友圈

關鍵詞：

2025-02-05 22:00:03 新浪新聞

科技圈從來不缺新聞，但 DeepSeek-R1 的出現(xiàn)卻像一顆石子投入平靜的湖面，激起了層層漣漪。這家來自中國的 AI 初創(chuàng)公司以其開源的推理大模型 R1 攪動了全球 AI 格局。R1 不僅性能媲美甚至超越 OpenAI o1，還以低廉的成本和開放的姿態(tài)贏得了全世界的關注。DeepSeek-R1 的開源策略和高效性能正在迫使整個行業(yè)重新思考 AI 的未來。

中國計算機學會青年計算機科學與技術論壇（CCF YOCSEF）近期組織了一場研討會，邀請了復旦大學邱錫鵬教授、清華大學劉知遠長聘副教授、清華大學翟季冬教授以及上海交通大學戴國浩副教授四位專家，從不同角度深入解析了 DeepSeek-R1 的技術突破與未來影響。

要理解 R1 的突破，需要從 o1 類推理模型說起。邱錫鵬認為當前人工智能領域正面臨一個重要轉折點。此前 Ilya 稱“預訓練時代可能即將結束”，主要源于數(shù)據(jù)增長的停滯。OpenAI 開始轉向強化學習和推理式計算，試圖通過增加推理長度來改進模型性能，為下一代大模型的發(fā)展注入新動力。

o1 模型的訓練在強化學習框架下進行，大語言模型充當一個 Agent，每個動作生成下一個 token，最終生成整個 step 或 solution。o1 這類大型推理模型可以分為四個核心要素：策略初始化、獎勵函數(shù)設計、搜索策略和學習過程。策略初始化要求模型具備初始的類人推理行為能力，包括問題理解、任務分解及驗證和修正錯誤的能力。獎勵函數(shù)設計則涉及從環(huán)境中直接獲得獎勵信號或通過專家偏好數(shù)據(jù)訓練獎勵模型。搜索策略包括基于樹的搜索和基于順序修改的搜索。學習過程主要包括使用強化學習和其他方法優(yōu)化模型，分為預熱階段和強化學習階段。

R1 發(fā)布了兩個版本：R1-Zero 和 R1。R1-Zero 完全依靠強化學習驅動，不經過預熱階段，沒有任何初始的人工調節(jié)。在訓練過程中，隨著步驟的增加，模型逐漸展現(xiàn)出長文本推理能力，尤其是長鏈推理，并表現(xiàn)出自我修正能力。不過也存在一些問題，如語言混合的問題。

12 全文共 2 頁下一頁

關閉

復旦教授談DeepSeek AI界的“鯰魚”效應

相關新聞

今日熱點

頻道熱點