9月17日，梁文鋒團隊在《自然》雜志發表論文，介紹開源AI模型DeepSeek-R1采用的大規模推理模型訓練方法。研究表明，通過純強化學習訓練大規模推理模型，可有效提升大語言模型推理能力并降低人類輸入需求。該模型在數學、編程競賽及STEM領域研究生水平任務中表現優異，如數學基準測試得分達77.9%（DeepSeek-R1-Zero）和79.8%（DeepSeek-R1）。模型以解決問題獲獎勵機制強化學習，減少訓練成本與復雜性。團隊稱未來將聚焦優化獎勵過程以提高推理可靠性。
（科技日報記者 張夢然 岳靚）
網友評論
