明報APP
報章內容
彭博：DeepSeek伙清華 降AI模型訓練成本
【明報專訊】彭博社報道，中國AI初創公司DeepSeek正與清華大學合作，致力減少AI模型所需的訓練，以降低營運成本。據報，DeepSeek與清華研究人員合作撰寫的論文，詳細介紹一種創新的「強化學習」方法，可提高模型的效率。新的訓練方法，旨在透過對更準確、更易於理解的反應提供獎勵，幫助AI模型更有效學習人類的偏好。
更有效學習人類偏好
數據證明，「強化學習」可在狹窄的應用範圍，加快AI模型完成任務，但若要擴展至更通用的應用範圍，這仍具挑戰。DeepSeek團隊正試圖透過「自我原則化點評調優」（self-principled critique tuning）策略來解決此問題。 該論文指出，該策略在不同的基準測試，都優於現有的方法和模型，且結果顯示，能以更少的運算資源獲得更高的效能。
DeepSeek將這些新模型稱為 DeepSeek-GRM（通用獎勵模型），並將以開源方式發布。其他AI模型開發商，包括阿里巴巴（9988）及OpenAI，也在推動AI模型提高推理和自我完善能力。