深寻R1成首个获同行评审的大规模AI语言模型

快速阅读: 中国AI公司DeepSeek发布R1模型，首获同行评审认可，成Hugging Face最热下载。R1强化学习创低成本高效率，训练费约29.4万美元，远低对手。

中国AI初创公司DeepSeek的R1模型在大型语言模型（LLM）领域树立了新标杆，成为首个接受同行评审的同类模型。据周三发表在《自然》杂志上的一项研究显示，该公司强调其创新方法独立于竞争对手的成果取得了成功。

R1于今年1月发布，旨在解决推理密集型任务，如数学和编程，定位为美国科技公司开发的类似工具的成本效益替代品。作为一个开放权重模型，R1可免费下载，目前已成为人工智能社区平台Hugging Face上最受欢迎的同类模型，下载量超过1090万次。

《自然》杂志指出，R1是首个经历正式同行评审的主要大型语言模型，此前发布的预印本详细介绍了DeepSeek如何改进标准LLM以应对复杂的推理挑战。“这是一个非常受欢迎的先例。”《自然》援引Hugging Face的机器学习工程师Lewis Tunstall的话说，“如果我们没有公开分享这一过程大部分内容的规范，评估这些系统是否存在风险将变得非常困难。”

补充材料首次披露了R1的训练成本，总计约为29.4万美元，远低于据报道竞争对手投入的数千万美元。此外，构建支持R1的基础模型大约花费了600万美元。

研究描述了DeepSeek采用一种自动化试错方法——纯粹的强化学习来创建R1。该模型通过正确答案获得奖励，而不仅仅是从人类选择的推理示例中学习。为了进一步提高效率，R1通过估计技术自我评估输出，即群体相对策略优化，而不是依赖单独的算法。

其他研究人员现在正试图将用于创建R1的方法应用于现有大型语言模型，以提高其推理能力，并将其扩展到数学和编码以外的领域，Tunstall表示。他补充说，R1“开启了一场革命”。

(以上内容均由Ai生成)