Dogely Crypto News - 最新加密货币新闻与市场分析 - 第161页 - Dogely Crypto

DeepSeek技术解析：行业革新的启示与挑战

在今年春节期间，DeepSeek这个名字成了科技界的热议话题。依托于DeepSeek-V3和DeepSeek-R1所展现出的创新技术和出色表现，DeepSeek迅速抓住了行业和大众的关注。无论是技术专家还是普通用户，都对DeepSeek的赞誉不断。这篇科普文章旨在让每位读者，无论技术背景如何，都能轻松领会DeepSeek的核心技术。 DeepSeek系列模型的技术创新 1.

Doge资讯 2025-02-25 198 阅读
DeepSeek R1 最新全面综述，近两个月的深度思考！

本文是《2025 iFLYTEK 开发者TALK 杭州站《DeepSeek深度技术解析》分享的文字版。由于时间关系，实际分享是本文的简化版。文字内容是近半个月陆陆续续记录的一些阅读笔记和思考，中途接到分享邀请（还好有点积累，不然怕是难顶doge），成稿于分享后。分享PPT： https://github

Doge资讯 2025-02-25 161 阅读
DeepSeek R1的原理

大家还记得ChatGPT 3.5和4.0刚上线时的震撼吗？它们在自然语言处理上的表现可以说是质的飞跃，但也有不少学术大佬吐槽，说Transformer架构本质上只是个统计模型，缺乏真正的逻辑推理能力。比如，经典的“3.11和3.8哪个大”问题就暴露了这一点。为了弥补这些不足，OpenAI推出了ChatGPT-o1模型，通过强化学习（RL）模拟人类思维，在逻辑推理领域取得了显著提升

Doge资讯 2025-02-25 153 阅读
DeepSeek 成功的数学原理与实践

今天我们来回顾一下**群体相对策略优化 (GRPO)**背后的数学原理，这是 DeepSeek 强大推理能力的核心强化学习算法。我将一一分析 GRPO 的工作原理、关键组成部分，以及它为何能颠覆大型语言模型（LLM）训练的方式。 GRPO 的基础什么是 GRPO？ **群体相对策略优化（GRPO）**是一种强化学习算法，专门用来提升大语言模型的推理能力。与传统方法不同，GRPO

Doge资讯 2025-02-25 144 阅读
【中英字幕】详解！DeepSeek群体相对策略优化（GRPO）

【必看珍藏】2月6日，安德烈·卡帕西最新AI普及课：深入探索像ChatGPT这样的大语言模型｜Andrej Karpathy 03:31:24 【中英双语】DeepSeek R1 理论概述 | GRPO + RL + SFT 25:36 通俗易懂讲解DeepSeek R1，奶奶都能听懂｜强化学习｜模型蒸馏 08:33 【中英双语】DeepSeek Janus Pro 解析 09:56

Doge资讯 2025-02-25 133 阅读
DeepSeek 中的 GRPO 算法全面解析

摘要：为特定任务调整大型语言模型 (LLM) 通常涉及通过使用人类反馈 (RLHF) 的强化学习对偏好数据进行微调。虽然这些数据通常来自不同的标注者群体（例如，不同的文化背景、种族、公司团队等），但传统的 RLHF 方法采用“一刀切”的方法，即，它们不加区分地假设并优化一个单一的偏好模型，因此无法适应各种群体的独特特征和需求。为了解决这一局限性，我们提出了一种新颖的集体鲁棒偏好优化

Doge资讯 2025-02-25 137 阅读
人机之间如何使用DeepSeek的GRPO算法实现更好的交互

一、DeepSeek的GRPO DeepSeek的GRPO（Group Relative Policy Optimization，群体相对策略优化）是一种强化学习算法，专门针对大语言模型的训练而设计，具有高效性和稳定性。以下是GRPO算法的核心特点和工作原理： 1、特点 1）无需价值函数模型：与传统的PPO（近端策略优化）算法不同，GRPO不依赖单独的价值函数模型来估计优势

Doge资讯 2025-02-25 121 阅读
DeepSeek 背后的数学：GRPO

GRPO 的数学原理其实就像一套高效的评分系统，它帮助 DeepSeek 模型在一组回答中迅速找到最佳答案。通过比较每个回答与其他回答的优劣，模型能清楚地知道哪些回答更准确、更符合要求，从而不断调整和优化自己的策略。这样一来，就不需要额外的评估器，既节省了计算资源，又能在实际应用中不断提高推理能力。 1. 什么是 GRPO？ Group Relative Policy

Doge资讯 2025-02-25 130 阅读
DeepSeek 背后的技术：GRPO，基于群组采样的高效大语言模型强化学习训练方法详解

强化学习（Reinforcement Learning, RL）已成为提升大型语言模型（Large Language Models, LLMs）推理能力的重要技术手段，特别是在需要复杂推理的任务中。DeepSeek 团队在 DeepSeek-Math [2] 和 DeepSeek-R1 [3] 模型中的突破性成果，充分展示了强化学习在增强语言模型数学推理和问题解决能力方面的巨大潜力。

Doge资讯 2025-02-25 201 阅读
出人意料！DeepSeek

机器之心报道 DeepSeek-R1 非常热门，而在其公布的训练配方中，GRPO（Group Relative Policy Optimization）非常关键，是 DeepSeek-R1 核心的强化学习算法。 PPO 与 GRPO 的对比

Doge资讯 2025-02-25 123 阅读

第一页上一页 1 ... 160 161 162 ... 510 下一页尾页

推荐服务

Telegram粉丝购买

Tiktok涨粉平台

文章分类

产品分类

热门文章