揭秘DeepSeek R1-Zero训练方式，GRPO还有极简改进方案
揭秘DeepSeek R1-Zero训练方式，GRPO还有极简改进方案其实大模型在DeepSeek-V3时期就已经「顿悟」了？
来自主题: AI技术研报
9107 点击 2025-03-22 15:46
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
其实大模型在DeepSeek-V3时期就已经「顿悟」了？
DeepSeek公开推理系统架构，成本利润率可达545%！明天还有更大惊喜吗？
即日起，北京时间每日00:30-08:30为错峰时段，API 调用价格大幅下调：DeepSeek-V3 降至原价的50%，DeepSeek-R1降至25%，在该时段调用享受更经济更流畅的服务体验。具体价格参看图2.
DeepSeek 开源周的第三天，带来了专为 Hopper 架构 GPU 优化的矩阵乘法库 — DeepGEMM。这一库支持标准矩阵计算和混合专家模型（MoE）计算，为 DeepSeek-V3/R1 的训练和推理提供强大支持，在 Hopper GPU 上达到 1350+FP8 TFLOPS 的高性能。
有人预料到DeepSeek能引爆全球吗？至少，DeepSeek-V3发布前，在大模型战场前线“卖铲子”的袁进辉心里也是打鼓的。
早在2024年5月，DeepSeek-V2就凭借GPT-4的百分之一的价格，被称作“价格屠夫”、“AI界的拼多多”，彼时，它带来的冲击还停留在底层模型竞争中的定价等具体动作。
今天又得知咱们的老朋友，支付宝推出的智能体开发平台百宝箱，也悄悄接入了 DeepSeek！还一下子直接接入了 DeepSeek-R1 满血版、蒸馏版 32B、蒸馏版 7B、DeepSeek-V3 共四种尺寸。
DeepSeek 的最新模型 DeepSeek-V3 和 DeepSeek-R1 都属于 MoE（混合专家）架构，并在开源世界产生了较大的影响力。特别是 2025 年 1 月开源的 DeepSeek-R1，模型性能可挑战 OpenAI 闭源的 o1 模型。
就在刚刚，历史性的一刻出现了。DeepSeek项目在GitHub平台上的Star数，已经超越了OpenAI。热度最高的DeepSeek-V3，Star数如今已达7.7万。
自 DeepSeek-R1 发布以来，群组相对策略优化（GRPO）因其有效性和易于训练而成为大型语言模型强化学习的热门话题。R1 论文展示了如何使用 GRPO 从遵循 LLM（DeepSeek-v3）的基本指令转变为推理模型（DeepSeek-R1）。