图片来源：DeepSeek
DeepSeek 正与清华大学合作，致力于减少其 AI 模型所需的训练量，以降低运营成本，开发自我进化的 AI 模型。
DeepSeek 曾以一月份推出的低成本推理模型震动市场，现与高校研究人员联合发表论文，详述了一种提升模型效率的强化学习新路径。研究人员写道，这种新方法旨在通过为更准确且易于理解的回答提供奖励，帮助人工智能模型更好地遵循人类偏好。
强化学习在加速特定应用和领域内的 AI 任务方面已被证明有效，但将其扩展到更通用的场景一直充满挑战——这正是 DeepSeek 团队试图通过其所谓的“自我原则批判调优“来解决的问题。
论文指出，该策略在多项基准测试中超越了现有方法和模型，结果显示能以更少的计算资源实现更优性能。
DeepSeek公司表示，将这些新模型命名为 DeepSeek-GRM（通用奖励建模的缩写），并将以开源形式发布。
包括中国科技巨头阿里巴巴集团和美国旧金山的 OpenAI 在内的其他 AI 开发者，也正在开拓新领域，致力于提升 AI 模型实时执行任务时的推理与自我优化能力。
Meta 于上周末发布了其最新 AI 模型系列 Llama 4，并宣称这是其首个采用混合专家（MoE）架构的模型。深度求索（DeepSeek）的模型高度依赖 MoE 技术以实现资源的高效利用。
Meta 在发布新品时对标了这家杭州初创企业。DeepSeek 尚未透露其下一代旗舰模型的发布时间。
论文链接：https://arxiv.org/abs/2501.12948
参考资料
本文翻译自：https://www.bloomberg.com/news/articles/2025-04-07/deepseek-and-tsinghua-developing-self-improving-ai-models?srnd=phx-technology
编译：ChatGPT
（文：Z Potentials）