deepseek的小作文说实话挺莫名其妙的，其实算力提升方面的改进都公布在24年
deepseek的小作文说实话挺莫名其妙的，其实算力提升方面的改进都公布在24年12月的DeepSeek-V3论文里，当时外网就有很多学者讨论算力优化这回事，然而市场毫无波澜。上周R1论文出来以后，学界更多的是关注其中rl技术在思考能力上的提升，但是小作文却把一个月前的算力提升拿过来重点讲，给人感觉是为了做空半导体而强行叙事。现在来看的话华尔街应该是消化过来了，正好我们也没法操作，就再多观察几天。
郑重声明：用户在社区发表的所有信息将由本网站记录保存，仅代表作者个人观点，与本网站立场无关，不对您构成任何投资建议，据此操作风险自担。请勿相信代客理财、免费荐股和炒股培训等宣传内容，远离非法证券活动。请勿添加发言用户的手机号码、公众号、微博、微信及QQ等信息，谨防上当受骗！
发表于 2025-01-29 09:03:55
发布于 四川
另外V3论文里，deepseek非常具体地对英伟达显卡中的tensor core提出一些架构优化建议，假如deepseek的提升是真的（目前仅是自称提升，外界只能根据其论文大致了解他们的提升思路），长远看也是有利于英伟达继续优化架构，而非小作文所讲的算力无用论
发表于 2025-01-29 09:08:08
发布于 四川
没有贬低deepseek，deepseek我自己用过效果不错，论文里面讲的一些思路我也认可，只是这个模型到底是不是真的只在少量的gpu上训出来的，我觉得还有待验证
发表于 2025-01-29 18:10:12
发布于 四川
活到70领退休金 :
这个没办法验证啊，除非是用公共数据集的，否则光有训练好的模型权重根本不知道训练开销是多少，除非把超参和数据集一起提供了，但提供超参的还比较多，提供数据集的真的少见，而好的数据集不管是成本还是价值，很多时候比方法和模型本身还贵重，我一直感觉AI早晚得卷到特征工程上
但是deepseek不用公共数据集的理由讲的很理直气壮
认为现有数据已经是严重污染的，alignment很有问题，所以必须得按照他们的方法用rl去做verification。我个人感觉这样处理数据相当耗算力，但是他们似乎并不把这部分算在时间和算力成本当中
认为现有数据已经是严重污染的，alignment很有问题，所以必须得按照他们的方法用rl去做verification。我个人感觉这样处理数据相当耗算力，但是他们似乎并不把这部分算在时间和算力成本当中
既然都说了是用RL，那配个环境很合理吧，环境什么样的都有，用其他大模型当环境也很合理吧，甚至直接让其他大模型给出reward也很合理吧，要不然RL怎么做 评论该主题
帖子不见了！怎么办？作者：您目前是匿名发表 登录 | 5秒注册 作者：，欢迎留言 退出发表新主题
温馨提示： 1.根据《证券法》规定，禁止编造、传播虚假信息或者误导性信息，扰乱证券市场；2.用户在本社区发表的所有资料、言论等仅代表个人观点，与本网站立场无关，不对您构成任何投资建议。用户应基于自己的独立判断，自行决定证券投资并承担相应风险。《东方财富社区管理规定》
