暂无搜索历史
Mr. Huang's background features three S-curves, illustrating the scaling relay r...
黄教主背后是三个S曲线，illustrate 的是大模型三个阶段的“做大做强”的 scaling 接力赛，颇显挖山不止的愚公移山精神。
深度学习模型本质上是高维概率密度估计器，它的核心目标是通过参数θ找到条件概率分布P(y|x;θ)的最佳近似。模型通过学习大量的训练数据，试图捕捉数据中的大大小小...
在大模型后训练中，像deepseek R1那样交替使用监督微调（SFT）和强化学习（RL），而非单一依赖 RL 或蒸馏，背后的核心逻辑如下。
A: DeepSeek R1 采用了四阶段的训练流程，包括两个强化学习（RL）阶段和两个监督微调（SFT）阶段 (DeepSeek-R1的四个训练阶段 - 蝈蝈...
- Traditional RPA: Engineers script step-by-step logic (e.g., UiPath’s drag-and-...
- 传统 RPA：依赖工程师编写脚本或流程图（如 UiPath 的拖拽式设计器），需精准定义每一步操作逻辑，如同教机器人跳格子，容错率低。 - LLM Agen...
For linguists bewildered by large language models (LLMs), the confusion often st...
如果语言学家以前觉得大模型烧脑和不解，那是因为窗户纸没有捅破，存在不同体系下的术语与机制细节的理解障碍，但底层逻辑并不乏不少共同的东西。本篇聚焦在大模型Tran...
虽然没人可以预测未来，虽然抛弃两条路线的一条感觉政治不正确，但的确不能排除这种单极主义的可能性。
为了学习序列上下文的依赖关系，为什么序列中的每一个 token 都要派生出三个分工角色：Q（Query），K（Key），V（Value）？
基础大模型通过原始大数据的“自监督学习”（self-srupervised learning），利用多层神经网络，获得数据相关的知识。自监督学习是一种特别的监督...
InfoQ: "DeepSeek adheres to a pure reinforcement learning approach, but the indu...
— Reflections on LLM Scaling Laws and DeepSeek's R1
A detailed analysis of how DeepSeek R1's inference mechanism works in production...
老友张俊林《从Deepseek R1看Scaling Law的未来》一文，引起老友热议。
- 生成多条路径：模型在单次推理时，可能隐式生成多条潜在的推理路径（CoT+Answers），但仅选择其中一条输出。 - 技术实现：通过调整解码策略（如束搜索宽...
主持人： 大家好，欢迎来到今天的访谈。最近，大模型的“幻觉”问题引发了热议，尤其是DeepSeek-R1，它的幻觉率似乎比自己的基座大模型DeepSeek-V3...
暂未填写公司和职称
暂未填写技能专长
