搜索
随着 OpenAI o1 和 DeepSeek R1 的爆火，大语言模型（LLM）的推理能力增强和测试时扩展（TTS）受到广泛关注。然而，在复杂推理问题中，如何精准评估模型每一步回答的质量，仍然是一个亟待解决的难题。传统的过程奖励模型（PRM）虽能验证推理步骤，但受限于标量评分机制，难以捕捉深层逻辑错误，且其判别式建模方式限制了测试时的拓展能力。
Qwen 3还未发布，但已发布的Qwen系列含金量还在上升。2个月前，李飞飞团队基于Qwen2.5-32B-Instruct 模型，以不到50美元的成本训练出新模型 S1-32B，取得了与 OpenAI 的 o1 和 DeepSeek 的 R1 等尖端推理模型数学及编码能力相当的效果。如今，他们的视线再次投向了这个国产模型。
由于 DeepSeek R1 和 OpenAI o1 等推理模型（LRM，Large Reasoning Model）带来了新的 post-training scaling law，强化学习（RL，Reinforcement Learning）成为了大语言模型能力提升的新引擎。然而，针对大语言模型的大规模强化学习训练门槛一直很高：
晚点：过去将近 6 个月，AI 领域最重要的两件事，一是 OpenAI 去年 9 月 o1 发布，另一个是近期 DeepSeek 在发布 R1 后掀起全民狂潮。我们可以从这两个事儿开始聊。你怎么看 o1 和 R1 分别的意义？
在春节的 DeepSeek 大热后，大模型也更多走进了大家的生活。我们越来越多看到各种模型在静态的做题榜单击败人类，解决各种复杂推理问题。但这些静态的测试与模型在现实中的应用还相去甚远。模型除了能进行对话，还在许多更复杂的场景中以各种各样的方式与人类产生互动。除了对话任务外，如何实现大模型与人的实时同步交互协作越来越重要。
近段时间，推理模型 DeepSeek R1 可说是 AI 领域的头号话题。用过的都知道，该模型在输出最终回答之前，会先输出一段思维链内容。这样做可以提升最终答案的准确性。
据外媒 TechCrunch 报道，OpenAI 近日在一项新的政策提案中，将 DeepSeek 描述为被官方资助和控制的实体，并呼吁对该机构及类似机构开发的中国 AI 模型实施禁令。OpenAI 在提案中指出：「虽然目前美国在 AI 领域仍保持领先，但 DeepSeek 的出现表明，这一领先优势并不大，且正在缩小。」
让人感到非常费解的是，在这些媒体口中如此“王炸”的 AI 突破，在海外几乎没有什么讨论，这与 DeepSeek 墙内开花墙外香，海外各路 AI 大神们甘当自来水疯狂吹爆的现象形成了巨大的反差
如果根据AI自媒体们的标题来看，昨天全世界AI圈应该无人存活，因为他们又被“炸”了。
编辑注：今天上线的Manus引发了全网的 Agent 热潮，Manus 背后的产品团队——Monica.im 的产品团队也引起了大家的关注。Manus产品负责人张涛在 2 月份曾经有过一次公开分享，解读 DeepSeek R1 成功背后的技术进步和产品思路，从中可以一窥 Manus 的部分解题思路。