董董灿是个攻城狮

## 1. Claude 3.7 Sonnet 有何特别之处？ Claude 3.7 Sonnet 是 Anthropic 最新发布的 AI 模型，发布过程中，最突出最吸...

DeepSeek 最近火爆全球，互联网上出现了大量关于 DeepSeek 使用和部署指南的文章。 比如我昨天就写了一篇：DeepSeek 本地部署，体验丝滑浏览器对话！。 ...

## 1. AI 推理能力仍有待突破的领域 技术报告在最后还提到了一些未来的展望。 尽管 DeepSeek-R1 通过强化学习、多阶段训练、知识蒸馏等方法已经在推理任务上取...

## 1. 强化学习并非万能工具 强化学习（Reinforcement Learning, RL）在 DeepSeek-R1 的推理能力提升方面起到了重要作用，使 AI 能...

## 1. 什么是 AI 的“aha 时刻”？ 在强化学习过程中，AI 的推理能力并不是线性增长的，而是会经历一些关键的“顿悟”时刻，研究人员将其称为**“aha 时刻”*...

## 1. 为什么 AI 需要多阶段训练？ 在 AI 训练过程中，简单的单阶段训练往往难以让模型达到最佳推理能力。 AI 需要先学习基础知识，再逐步提升推理能力，同时避免生...

## 1. 为什么要对比 DeepSeek-R1 和 OpenAI-o1-1217？ 在当前的大模型竞争中，OpenAI 的 o1-1217 被认为是推理能力较强的模型之一...

## 1. 什么是知识蒸馏？ 知识蒸馏（Knowledge Distillation）是一种让小模型从大模型学习的技术，类似于一位资深老师将自己的知识浓缩后，传授给学生。 ...

# 1. 什么是拒绝采样（Rejection Sampling）？ AI 生成的答案并不总是正确的，有时候它会输出胡言乱语、逻辑错误或者无意义的推理链。 如果不进行筛选，这...

#### **1. 什么是“冷启动数据”？** 在 AI 训练中，**“冷启动”（Cold Start）** 这个概念类似于刚买了一部新手机，开机后发现什么都没有，必须先安...

**为什么 DeepSeek-R1-Zero 特别？** DeepSeek-R1-Zero 是**首个完全基于强化学习训练的推理大模型**，它在训练过程中**完全不依赖监...

#### 让 AI 自己“摸索”答案，而不是单纯“背答案” 过去的 AI 训练方式主要依赖**监督学习（Supervised Learning）**，也就是让 AI 通过大...

DeepSeek-R1 和 DeepSeek-R1-Zero 都是 **DeepSeek 团队推出的大模型**，它们的核心目标是提升推理能力，特别是在数学、代码和复杂问题解...

# DeepSeek-R1：通过强化学习提升大模型推理能力 ## 介绍 近年来，大语言模型（LLM）快速发展，逐步缩小了与通用人工智能（AGI）之间的差距。后训练（Post...

大家好啊，我是董董灿。 最近 DeepSeek 越来越火了。 网上有很多针对 DeepSeek 的推理测评，除此之外，也有很多人从技术的角度来探讨 DeepSeek 带给行...

国产大模型杀疯了！当所有人还在讨论“算力霸权”时，一家中国公司用实力宣告： 堆显卡、拼硬件的时代，结束了！ 最近，各大热搜榜几乎被 DeepSeek 屠榜，连央视也接连报道...

> 本文为合集收录，欢迎查看合集/专栏链接进行全部合集的系统学习。 合集完整版请查看[这里](https://mp.weixin.qq.com/s?__biz=MzAwOT...

本文为合集收录，欢迎查看合集/专栏链接进行全部合集的系统学习。 合集完整版请查看[这里](https://mp.weixin.qq.com/s?__biz=MzAwOTc2...

> 本文为合集收录，欢迎查看合集/专栏链接进行全部合集的系统学习。 合集完整版请查看[这里](https://mp.weixin.qq.com/s?__biz=MzAwOT...

> 本文为合集收录，欢迎查看合集/专栏链接进行全部合集的系统学习。 合集完整版请查看[这里](https://mp.weixin.qq.com/s?__biz=MzAwOT...