会员登录 - 用户注册 - 设为首页 - 加入收藏 - 网站地图 强化学习 博采衆长!
当前位置:首页 > 知识 > 强化学习 博采衆长 正文

强化学习 博采衆长

时间:2025-03-14 20:32:24 来源:海角社区-吃瓜黑料-爆料海角 作者:直播 阅读:487次

  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

强化学习 博采衆长

  大公报:我们现在知道,强DeepSeek的化学适合夫妻二人晚上看图片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?

强化学习 博采衆长

  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,应该是强看黄无限数破解全免费谷歌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。

强化学习 博采衆长

  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。

(责任编辑:汽车)

相关内容
  • 巴黎续约阿什拉夫双赢,恩里克长期打造,欧冠赛事不容有失
  • CBBA中国(国际)体育模特大赛黔西南州站赛海选启动
  • 重温9号生涯轨迹!帕克和波波互侃让人动容,6年前他亲承被骂哭过
  • 30投27分 欧文另类致敬黑曼巴 网友:团队毒瘤已坐实
  • 韩媒不满判罚:林孝埈先推人!裁判有偏见,韩国队痛失奖牌
  • 巴西战胜秘鲁 第九次获美洲杯冠军
  • 单节砸9铁!欧文成毒瘤,绿军当初不要他是对的
  • 海皇体育hhb:官方体育APP,海皇帮您玩转球场
推荐内容
  • 国乒包揽5冠!2位小将冲击3冠王,林诗栋PK梁靖崑,蒯曼VS孙颖莎
  • 每天跑步的最佳时间,每次跑步的最佳距离是多少?
  • 2017下半年喜事连连的星座
  • 花滑名将闫涵微博宣布退役又秒删:有不甘和无奈
  • 2025曲靖罗平马拉松将于2月23日鸣枪开跑!
  • 花滑名将闫涵微博宣布退役又秒删:有不甘和无奈