强化学习

DeepSeek-R1 解读及技术报告中文版

作者

MLNLP社区致力于促进国内外机器学习与自然语言处理领域的交流合作。最新研究成果《DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning》通过纯强化学习实现了模型推理能力的自主进化，并结合蒸馏技术实现高效迁移，显著提升了多项任务表现。

一句话让DeepSeek思考停不下来，北大团队：这是针对AI的DDoS攻击

作者

北大团队发现一段提示词可以让大模型陷入无限思考，并且这种现象可以传递和复制。研究显示乱码问题更容易引发模型的“stuck”机制，说明模型有一定程度的防御措施，但面对具有含义的正常文本时仍需加强。