从大模型发展角度如何看待 DeepSeek 的突破_第1页
从大模型发展角度如何看待 DeepSeek 的突破_第2页
从大模型发展角度如何看待 DeepSeek 的突破_第3页
从大模型发展角度如何看待 DeepSeek 的突破_第4页
免费预览已结束，剩余2页可下载查看

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

强化学习依赖于奖励函数，早期主要用于物理系统的状态训练或者有简单规则约束的游戏大模型之后，开始是人工标注训练数据的监督学习好的大模型来制作奖励函数，问题解决了，这就是近期各种技术分析中的PPO（Proximal清，一系列论文铺了路；DeepSeek如果还想要获得准确结果，只能依靠人来分解任务的方式进行多次交互实现，或者，利用大模型“理解能力”的表现越来越像人，一方面，人们惊叹于逻辑主义的“逻辑规则”是预设的，联结主义得到的“逻辑规则”是总结的。微观上看，逻辑主“控制自己”，更全面、实时、好用的控制，还依赖多模态、具身大模型“理解世界”、“理解自己”产生的意识内容是否具有类似人的主观性，鉴于人也没有办推理只激活一到两个专家模块，MoE划分了多少个模块，就能将成本降低到近似多少分之再说知识蒸馏问题，知识蒸馏有很多种形式，下面列举几个可能方式，1，同结布直接修改学生模型，成本极低。2，如果要做不同架构，可以用教师模型生成高质量的监督学习训练集，由

人人文库> 全部分类> 应用文书 > 研究报告

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论