DeepSeek是一款基于AI技术的智能搜索引擎，结合深度学习与自然语言处理，提供精准、高效的搜索体验。探索DeepSeek，感受未来智能搜索的无限可能！DeepSeek R2的研究成果已经接近。最近，DeepSeek和清华大学的研究者发表了一篇论文，探讨了奖励模型在推理时的Scaling方法。

　　强化学习（RL）已广泛应用于大规模语言模型（LLM）的后训练阶段。通过RL激励LLM的推理能力表明，采用合适的学习方法可以实现有效的推理时可扩展性。然而，RL面临的一个关键挑战是在多种领域中为LLM获得准确的奖励信号。

　　研究者发现，在奖励建模（RM）方法上采用点式生成式奖励建模（GRM），可以提升模型对不同输入类型的灵活适应能力，并具备推理阶段可扩展的潜力。为此，他们提出了一种自我原则点评调优（SPCT）的学习方法。这种方法通过在线RL训练促进GRM生成具备可扩展奖励能力的行为，即能够自适应生成评判原则并准确生成点评内容，从而得到DeepSeek-GRM模型。

　　DeepSeek-GRM-27B是基于Gemma-2-27B经过SPCT后训练的。实验结果表明，SPCT显著提高了GRM的质量和可扩展性，在多个综合RM基准测试中优于现有方法和模型。研究者还比较了DeepSeek-GRM-27B与671B更大模型的推理时间扩展性能，发现它在模型大小上的训练时间扩展性能更好。此外，他们引入了一个元奖励模型（meta RM）来引导投票过程，以提升扩展性能。

　　伯克希尔辟谣：社交媒体上关于巴菲特讲话的消息都是虚假的 假言论误导公众

　　2月18日，DeepSeek官方在海外社交平台X上发布了一篇关于NSA（Natively Sparse Attention，原生稀疏注意力）的技术论文。这种机制用于超快速长文本训练与推理，硬件对齐且可原生训练

　　黄仁勋揭秘下一代芯片Rubin，英伟达想要吃“DeepSeek红利” 推理时代的新机遇

　　科技界的重要人物黄仁勋刚刚完成了他年度最重要的演讲。黄仁勋称他的GTC演讲就像AI界的超级碗，吸引了全球各地数万人聚集在美国圣何塞参加这场盛会。演讲于2025年3月18日举行，市区因参会人数过多而拥堵瘫痪，不少人早上6点就开始排队等待