强化学习 博采衆长
我要评论图：人工智能发展一日千里。强图为2016年3月9日至15日，化学人工智能程序“阿尔法围棋”在韩国首尔进行的习博五番棋比赛中，以4比1的采衆长总比分击败韩国九段棋手李世石。\新华社
大公报：我们现在知道，强DeepSeek的化学麻w豆ww传媒在线入口高性能根本上来自于新算法，即强化学习方法，习博这似乎和当年Alpha Zero与人类棋手博弈相似，采衆长是强吗？
高飞：是的。DeepSeek的化学强化学习，不是习博新理论。大家最耳熟能详的采衆长强化学习模型，应该是强抖音吃瓜事件网站资源入口谷歌DeepMind的围棋模型Alpha Zero。它之所以叫Zero，化学是习博指模型是从零数据开始，通过与自身进行数百万次对弈，积累数据，提升性能。
DeepSeek R1也是这样，通俗地说，它就是人工智能界的“Alpha Zero棋手”，用AI和AI对弈的强化学习方式（而不是学习人类知识行为数据），提高性能。需要说明的是，DeepSeek R1并非单一地运用强化学习方法，而是新老方法并用，博采众长。例如，DeepSeek团队发现模型出现中英文双语混用、答案不易被人理解的现象，所以也使用了传统的监督式学习（SFT），即人类数据辅助优化，让内容输出更友好。
大公报：但谷歌DeepMind八年前就已推出围棋模型Alpha Zero，强化学习法早已有之。在这方面，DeepSeek是否算抄袭了谷歌的技术呢？
高飞：这就是科学、技术、工程的区别了。强化学习技术早有公开论文，大家都可学习借鉴。但科学原理如何在技术和工程上实现，是另一回事。
此外，属于封闭性问题（即有标准答案、可判断胜负）的围棋问题，与处理开放性问题的语言大模型是不同的。这种强化学习技术，并不容易在大语言模型的训练中使用，从去年开始涌现的千百个大模型，都没能取得这方面突破，没能走通这条技术路径。
相关文章
来源：杨晨大神北京时间2025年2月7日， 近日，日本名将渡边勇大宣布退出日本羽毛球国家队。 作为两届奥运会混双铜牌得主，渡边勇大的离开无疑让日本羽毛球队的未来蒙上了一层阴影。 而他离队的原因，直指日2025-02-11
冬训训练视频流出，王楚钦和孙颖莎真没闲着，新加坡赛事准备就绪
冬训已过几天，终于将室内练习情况发布出来，看这场景真是没有一个闲人。王楚钦不仅在练习单打，还在与林诗栋一起练习双打，都是在为即将到来的新加坡大满贯做准备。训练虽然很累，但是也有好多欢乐，看看王楚钦和孙2025-02-11
图：去年11月13日，特朗普左）在当选美国总统后，赴白宫会晤时任总统拜登。/法新社【大公报讯】综合美联社、路透社报道：美国总统特朗普7日表示，他已撤销前任总统拜登的安全许可，取消其接收机密信息的权限。2025-02-11
马琳抛大诱饵请陈梦回归！王皓为难，不敢给樊振东想要的复出条件
2025年卡塔尔多哈世乒赛将于5月17日到25日举行，尽管距离开赛还有将近四个月的时间，但是作为本年度乒坛最重要的赛事，中国乒协赶在春节到来前公布了世乒赛参赛运动员选拔办法。根据此次选拔方案，第一条的2025-02-11
02月08日讯 WTT新加坡大满贯男单半决赛，梁靖崑4比3击败王楚钦挺进决赛。赛后梁靖崑接受采访时，看台上不知发生了什么情况，观众反响热烈，梁靖崑一时有些无奈。2025-02-11
法庭新闻/诈骗集团涉呃房委会千万元 首脑潜逃20年返港落网 还押候讯
图：一名男子20多年前涉骗取房委会一千万元，早前回港时被捕。【大公报讯】记者程进报道：廉政公署在2003年底侦破一个诈骗集团，落案起诉逾30人，该集团涉嫌招揽多名人士，借虚报傀儡申请人的职业及收入，诈2025-02-11
最新评论