Doge 资讯 - 聚焦狗狗币动态，掌握加密货币前沿信息 - 第160页 - Dogely Crypto

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 87 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 61 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 60 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 60 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 52 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 58 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 78 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 55 阅读
【DeepSeek】DeepSeek小模型蒸馏与本地部署深度解析DeepSeek小模型蒸馏与本地部署深度解析

一、引言与背景在人工智能领域，大型语言模型（LLM）如DeepSeek以其卓越的自然语言理解和生成能力，推动了众多应用场景的发展。然而，大型模型的高昂计算和存储成本，以及潜在的数据隐私风险，限制了其在某些场景下的应用。为了克服这些挑战，DeepSeek引入了知识蒸馏技术，通过将大型模型的知识转移到小型模型中，实现了模型的轻量化。本文将深入探讨DeepSeek小模型蒸馏的原理

Doge资讯 2025-02-24 88 阅读
什么是DeepSeek

所以昨晚，DeepSeek在DeepSeek-V3之后发布了另一个革命性的模型，即DeepSeek-R1和我的孩子，这看起来是一个重大的发布，因为这个模型在几个基准测试中已经超越了OpenAI-o1，即SOTA推理模型。除了DeepSeek-R1，该团队还共同发布了许多其他型号 DeepSeek-R1-Zero：DeepSeek-R1的原始版本，会犯错，但更有创意

Doge资讯 2025-02-24 61 阅读

第一页上一页 1 ... 159 160 161 ... 178 下一页尾页

推荐服务

Telegram粉丝购买

Tiktok涨粉平台

文章分类

热门文章