李飞飞/DeepSeek前员工领衔，复现R1强化学习框架，训练Agent在行动中深度思考
李飞飞/DeepSeek前员工领衔，复现R1强化学习框架，训练Agent在行动中深度思考什么开源算法自称为DeepSeek-R1（-Zero） 框架的第一个复现？
来自主题: AI技术研报
8823 点击 2025-04-25 15:35
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
什么开源算法自称为DeepSeek-R1（-Zero） 框架的第一个复现？
今天，字节发布了一整套 AI 全家桶，深度思考模型、视觉推理、文生图、AI Agent……几乎涵盖了最近 AI 圈关注度最高的产品。字节发布的产品和亮点有哪些：1. 豆包 1.5 · 深度思考模型，2. 文生图 3.0
仅隔一天，OpenAI再次突然放大招： 一口气，o3和o4 mini同步上线。
GPT - 4o、Deepseek - R1 等高级模型已展现出令人惊叹的「深度思考」能力：理解上下文关联、拆解多步骤问题、甚至通过思维链（Chain - of - Thought）进行自我验证、自我反思等推理过程。
字节跳动豆包团队今天发布了自家新推理模型 Seed-Thinking-v1.5 的技术报告。从报告中可以看到，这是一个拥有 200B 总参数的 MoE 模型，每次工作时会激活其中 20B 参数。其表现非常惊艳，在各个领域的基准上都超过了拥有 671B 总参数的 DeepSeek-R1。有人猜测，这就是字节豆包目前正在使用的深度思考模型。
谷歌首款AI推理特化版TPU芯片来了，专为深度思考模型打造。
Q-Insight不再简单地让模型拟合人眼打分，而是将评分视作一种引导信号，促使模型深度思考图像质量的本质原因。有了会思考的“大脑”，视频云技术栈不仅得以重塑也让用户体验有了跃迁。
随着视频内容的重要性日益提升，如何处理理解长视频成为多模态大模型面临的关键挑战。长视频理解能力，对于智慧安防、智能体的长期记忆以及多模态深度思考能力有着重要价值。
阿里又发了个有意思的大模型——QVQ-Max，第一版视觉推理模型，对任意图像或视频都可以进行深度思考。
今天晚上，就在刚刚，豆包终于上了之前很多人期待的功能，深度思考。我之前用别人的账号体验过这功能，就是推理模型，而今天看到的第一刻，我以为的是，豆包的推理模型终于全量上线了。