北京大學(xué)發(fā)布的《北京大學(xué)內(nèi)部手冊Ⅲ-DeepSeek-R1及類強推理模型開發(fā)解讀》，詳細(xì)介紹了DeepSeek-R1模型在大語言模型對齊和可擴展監(jiān)督領(lǐng)域的研究進(jìn)展。主要內(nèi)容包括模型核心技術(shù)RL（強化學(xué)習(xí)）加持的推理范式創(chuàng)新，特別是零樣本與純RL驅(qū)動模型的研發(fā)，展示了其優(yōu)越的數(shù)學(xué)和編碼性能，并在多項國際評測指標(biāo)中超越競爭對手，尤其強調(diào)了后訓(xùn)練階段Scaling Law的重要意義及實現(xiàn)方法，提出了未來在強推理、長鏈思考等方面的展望，以及模態(tài)穿透對未來AI發(fā)展的影響。此外，文章對當(dāng)前模型面臨的挑戰(zhàn)如overthinking、多模態(tài)對齊進(jìn)行了探討，并介紹了DeepSeek-V3的基礎(chǔ)架構(gòu)和技術(shù)參數(shù)。

適合人群：適合AI從業(yè)者、研究人員、高校師生及其他對大語言模型、機器學(xué)習(xí)算法和AI安全有興趣的專業(yè)人士閱讀和學(xué)習(xí)。

使用場景及目標(biāo)：適用于了解大語言模型發(fā)展的最新進(jìn)展及關(guān)鍵技術(shù)，特別針對如何利用深度學(xué)習(xí)和強化學(xué)習(xí)提升AI推理能力和安全性；為未來AI系統(tǒng)的研發(fā)指明方向。