【CNMO 科技消息】近期，科技界最為熱議的詞匯非 "DeepSeek" 莫屬。據(jù)悉，DeepSeek-R1 在數(shù)學(xué)、代碼自然語言推理等領(lǐng)域的表現(xiàn)，已經(jīng)能夠與 OpenAI 的 GPT-1 正式版相媲美，其火爆程度席卷全球。而最近，DeepSeek 的研究員在線透露了一個消息：R1 的訓(xùn)練過程僅僅耗時兩到三周，研究員們在春節(jié)期間也未停歇，繼續(xù)全力推進研究，接下來還有大招。
幾天前，Daya Guo 發(fā)布了一條推文，分享了他春節(jié)期間最為興奮的事情——親眼目睹了 R1-Zero 模型性能曲線的 " 持續(xù)增長 "，并深切感受到了強化學(xué)習(xí)（RL）的強大力量。在回復(fù)網(wǎng)友關(guān)于 DeepSeek R1 的問題及公司后續(xù)計劃時，Daya Guo 透露，DeepSeek 的 R1 只是一個開始，內(nèi)部研究正在快速推進。他強調(diào)，研究員們在春節(jié)期間一直在加班加點地推進研究。
對于網(wǎng)友提問的 " 如果不是秘密的話，這次 RL 訓(xùn)練跑了多久？"Daya Guo 回應(yīng)稱，660B 參數(shù)的 R1-Zero 和 R1 是在 V3 版本發(fā)布后才開始訓(xùn)練的，整個過程大約花費了 2-3 周的時間。此外，他還透露團隊正在嘗試將 R1 應(yīng)用于形式化證明環(huán)境，并希望盡快向社區(qū)發(fā)布更加優(yōu)秀的模型。從 Daya Guo 的言辭中不難看出，他們在這方面已經(jīng)取得了進展，未來或?qū)⒂懈嘀亓考壍哪Ｐ蛦柺?，令人充滿期待。
