據(jù)科技日?qǐng)?bào)消息，9月17日，DeepSeek-AI團(tuán)隊(duì)梁文鋒及其同事在《自然》雜志上發(fā)表了開源人工智能（AI）模型DeepSeek-R1所采用的大規(guī)模推理模型訓(xùn)練方法。

另?yè)?jù)第一財(cái)經(jīng)報(bào)道，與今年1月發(fā)布的DeepSeek-R1的初版論文相比，本次論文披露了更多模型訓(xùn)練的細(xì)節(jié)，并正面回應(yīng)了模型發(fā)布之初的蒸餾質(zhì)疑。

DeepSeek-R1也是全球首個(gè)經(jīng)過(guò)同行評(píng)審的主流大語(yǔ)言模型。Nature評(píng)價(jià)道：目前幾乎所有主流的大模型都還沒有經(jīng)過(guò)獨(dú)立同行評(píng)審，這一空白“終于被DeepSeek打破”。

梁文鋒

DeepSeek-R1包含一個(gè)在人類監(jiān)督下的深入訓(xùn)練階段，以優(yōu)化推理過(guò)程。梁文鋒團(tuán)隊(duì)報(bào)告稱，該模型使用了強(qiáng)化學(xué)習(xí)而非人類示例來(lái)開發(fā)推理步驟，減少了訓(xùn)練成本和復(fù)雜性。

DeepSeek-R1在被展示優(yōu)質(zhì)的問(wèn)題解決案例后，會(huì)獲得一個(gè)模板來(lái)產(chǎn)生推理過(guò)程，即這一模型通過(guò)解決問(wèn)題獲得獎(jiǎng)勵(lì)，從而強(qiáng)化學(xué)習(xí)效果。團(tuán)隊(duì)總結(jié)說(shuō)，未來(lái)研究可以聚焦優(yōu)化獎(jiǎng)勵(lì)過(guò)程，以確保推理和任務(wù)結(jié)果更可靠。

據(jù)公開資料，梁文鋒出生于1985年，廣東湛江人，畢業(yè)于浙江大學(xué)，擁有信息與電子工程學(xué)系學(xué)士和碩士學(xué)位，杭州幻方科技有限公司、DeepSeek創(chuàng)始人。2024年12月，梁文鋒和團(tuán)隊(duì)開發(fā)的大模型“DeepSeek-V3”發(fā)布。2025年4月，梁文鋒入選美國(guó)《時(shí)代》周刊“2025年全球最具影響力100人”榜單。

來(lái)源：長(zhǎng)安街知事，綜合自科技日?qǐng)?bào)、第一財(cái)經(jīng)。