4月7日据网上信息，随着公众等待中国人工智能初创公司深度求索(DeepSeek)发布其下一代模型，该公司推出了一种提高大型语言模型(LLM)推理能力的新方法。 近日发表的一篇论文显示，深度求索与清华大学的研究人员合作，开发了一种将“生成式奖励建模”(GRM)和“自我原则点评调优”相结合的技术。这种双重方法旨在使LLM能够更好、更快地回答一般查询问题。 研究人员写道，由此产生的DeepSeek-GRM模型优于现有方法，凭借强大的公共奖励模型“取得了有竞争力的表现”。奖励建模是一个引导大型语言模型向人类偏好靠拢的过程。 研究人员称，深度求索打算将GRM模型开源，但没有给出时间表。 与此同时，由于DeepSeek的V3基础模型和R1推理模型受到全球关注，人们对深度求索的下一步行动有着许多猜测。路透社此前报道说，DeepSeek-R2将很快发布。DeepSeek-R1的发布以其极具成本效益的性能震惊了全球科技界，其性能可与领先的模型相媲美。 深度求索一直对传闻中的R2发布守口如瓶。 总部位于杭州的深度求索上月升级了其V3模型(名为DeepSeek-V3-0324)，称其提供了更强的推理能力、优化的前端网页开发，以及升级的中文写作能力。 |
 |
