训练过程中，DeepSeek-R1-Zero展现出令人惊叹的自我进化能力，学会了生成数百到数千个推理token，深入探索和完善思维过程，还发展出反思能力和探索不同解题方法的能力。先进行冷启动SFT，人工筛选高…
一个典型的例子是，随着强化学习训练的不断进行，在 AIME 2024 数学竞赛基准上的表现，DeepSeek-R1-Zero 的 Pass@1得分从 15.6% 提升至 71.0%，最终的 DeepSee…
实验表明，Parallel-R1 不仅在多个数学基准上带来高达 8.4% 的平均准确率提升，更通过一种 “中程训练脚手架” 的策略，在AIME25 测试中实现了 42.9% 的性能飞跃。 第二阶段（能力泛…
IT之家 9 月 18 日消息，在 9 月 17 日第 22 届中国 —东盟博览会开幕式上，来自讯飞同传的技术支撑，让中文、英语、泰语、越南语、缅甸语、马来语、印尼语同步在大屏上实时滚动翻译。 当天下午，在…
10/31 16:58
10/31 16:56
10/31 16:55
京公网安备 11011402013531号