致Great

📝 1. 输入上下文长度 DeepSeek-R1的输入上下文长度为128K。 DeepSeek-R1 从其基础模型 DeepSeek-V3-Base 继承了 128K 上下文长度。最初，DeepSee

GRPO动机 什么是 GRPO？ 群体相对策略优化 (GRPO，Group Relative Policy Optimization) 是一种强化学习 (RL) 算法，专门用于增强大型语言模型 (LL

简介 最近几年，AI领域真是突飞猛进，尤其是大型语言模型（LLM），它们为通用人工智能（AGI）的发展打下了基础。OpenAI的o1模型就是个很好的例子，它用了一种创新的推理时间扩展技术，大大提升了推

其中以下几篇尤为重要，因其在技术创新和实际应用中取得了重大突破： DeepSeek-R1：通过强化学习提升大型语言模型的推理能力。 2025年1月发布，提出了一种使用强化学习而非监督学习的方法，显著提

论文试图解决的问题 这篇论文介绍了一种新的第一代推理模型——DeepSeek-R1系列，旨在通过强化学习（Reinforcement Learning, RL）提升大型语言模型（Large Langu

概述 Open-R1 是由 HuggingFace 发布的一个完全开放的项目，旨在通过三个主要步骤复现 DeepSeek-R1 的完整训练流程。这个项目的目标是让更多人能够理解和使用 DeepSeek

近年来，人工智能技术突飞猛进，尤其是生成式AI，简直像是开了挂一样，各种惊艳的表现让人直呼“未来已来”。根据IDC的研究，生成式AI的市场规模在2022年已经达到了107亿美元，而到2026年，这个数

今天给大家分享一篇关于RAG文本切块的论文： 论文概述 在**开放域问答（Open-Domain Question Answering, ODQA）**任务中，**文档分块（chunking）**过程

什么是向量数据库? 向量数据库是一种将数据存储为高维向量的数据库，高维向量是特征或属性的数学表示。每个向量都有一定数量的维度，根据数据的复杂性和粒度，可以从数十到数千不等。 向量通常是通过对原始数据(