DeepSeek-R1: Pekiştirmeli öğrenme yoluyla büyük dil modellerinin akıl yürütme yeteneğini geliştirme

 (arxiv.org)
3 puan yazan GN⁺ 2025-01-26 | 1 yorum | WhatsApp'ta paylaş

  • DeepSeek-R1: LLM'lerin akıl yürütme yeteneğini güçlendirme

    • İlk nesil akıl yürütme modelleri olan DeepSeek-R1-Zero ve DeepSeek-R1 tanıtılıyor
    • DeepSeek-R1-Zero, büyük ölçekli pekiştirmeli öğrenmeyle eğitildi ve denetimli ince ayar olmadan da üstün akıl yürütme yeteneği gösterdi
    • Ancak okunabilirlik sorunları ve dil karışımı gibi zorluklarla karşılaştı
    • Bu sorunları gidermek ve akıl yürütme performansını artırmak için, çok aşamalı eğitim ve pekiştirmeli öğrenme öncesi başlangıç verilerinin kullanımını içeren DeepSeek-R1 tanıtıldı
    • DeepSeek-R1, OpenAI-o1-1217 ile benzer performansa ulaşıyor
    • Araştırma topluluğunu desteklemek için, DeepSeek-R1-Zero, DeepSeek-R1 ve Qwen ile Llama tabanlı damıtılmış 6 yoğun model (1.5B, 7B, 8B, 14B, 32B, 70B) açık kaynak olarak sunuluyor

  • Konular ve alıntı

    • Konular: Computation and Language (cs.CL); Artificial Intelligence (cs.AI); Machine Learning (cs.LG)
    • Alıntı: arXiv:2501.12948 [cs.CL]

  • Gönderim geçmişi

    • Gönderen: Wenfeng Liang
    • Gönderim tarihi: 22 Ocak 2025

  • Erişim yöntemi

    • Makaleye PDF, HTML, TeX kaynağı gibi çeşitli biçimlerde erişilebilir

  • Kaynakça ve alıntı araçları

    • Çeşitli kaynakça ve alıntı araçları sunuluyor

  • Kod, veri, medya

    • İlgili kod ve veri sağlanıyor

  • arXivLabs hakkında bilgi

    • arXivLabs hakkında açıklama ve destek bilgileri sunuluyor

İlgili okumalar

1 yorum

 
GN⁺ 2025-01-26
Hacker News görüşleri

  • DeepSeek V3 makalesi zorunlu ön okuma olarak görülüyor

    • R1 + Sonnet kombinasyonu diğer kombinasyonlardan daha iyi
    • Birden fazla yerde bağımsız yeniden üretim çalışmaları yürütülüyor
    • R1 damıtımı çok kolay, bu yüzden sıkça görülecek
    • DeepSeek-R1 Silikon Vadisi'nde büyük yankı uyandırdı

  • Ollama'nın r1-14b modelini kullandığımda, modelin gerçek zamanlı olarak farklı yaklaşımlar denemesi ve alternatifler arasından seçim yapması insana özgü bir davranışı hatırlatıyor

  • DeepSeek V3, Claude Sonnet'in sorun yaşamaya başladığı anda tam zamanında ortaya çıktı

    • DeepSeek'in fiyatı çok ucuz olduğu için büyük avantaj sağlıyor
    • Aider ve Cursor'da tamamen DeepSeek'e geçtim

  • DeepSeek'in sohbet özelliği, ChatGPT Pro'dan daha kullanımı kolay

    • Modelin düşünce süreci okunabildiği için hata ayıklama kolaylaşıyor

  • GPT-O1 modelinin düşünme sürecinin modelin içinde gerçekleşmesine şaşırdım

    • OpenAI'ın O1'in düşünce sürecini açıklayıp açıklamayacağını merak ediyorum

  • DeepSeek R1'in yalnızca performansı değil, küçük damıtılmış modelleri de etkileyici

    • Qwen tabanlı 7b damıtılmış model de harika
    • 32b damıtılmış model ev sunucusunda varsayılan model olarak kullanılıyor

  • Larry Ellison ve Masayoshi Son, ASI aracılığıyla ölümsüzlüğü hedefliyor

    • ASI geliştirmek için devasa yatırımlar yapıyorlar

  • Arxiv'de 100'den fazla yazar, ekip adıyla makale yayımlıyor

    • Bu durum ekip çalışmasına ve motivasyona katkı sağlıyor