113
个编辑
更改
无编辑摘要
[[文件:推理过程中 DeepSeek-R1-Zero 在训练集上的平均响应时间。.png|推理过程中 DeepSeek-R1-Zero 在训练集上的平均响应时间|alt=DeepSeek-R1-Zero ⾃然⽽然地学会了⽤更多的思考时间来解决推理任务|居左|600x450像素]]
[[文件:推理过程中 DeepSeek-R1-Zero 在训练集上的平均响应时间。.png|推理过程中 DeepSeek-R1-Zero 在训练集上的平均响应时间|alt=DeepSeek-R1-Zero ⾃然⽽然地学会了⽤更多的思考时间来解决推理任务|居左|600x450像素]]
''推理过程中 DeepSeek-R1-Zero 在训练集上的平均响应时间。DeepSeek-R1-Zero ⾃然⽽然地学会了⽤更多的思考时间来解决推理任务''
然而，DeepSeek-R1-Zero也面临一些挑战。由于在预训练阶段完全放弃了对计算资源消耗巨大的监督学习，模型具有明显的成本优势。但与此同时，完全放弃监督学习也导致输出结果不稳定，且可读性较差。这一问题的存在引发了对模型优化的进一步思考。
然而，DeepSeek-R1-Zero也面临一些挑战。由于在预训练阶段完全放弃了对计算资源消耗巨大的监督学习，模型具有明显的成本优势。但与此同时，完全放弃监督学习也导致输出结果不稳定，且可读性较差。这一问题的存在引发了对模型优化的进一步思考。