科学网—liwei999的博文 - 第4页

设为首页收藏本站

开启辅助访问切换到宽版

科学网 › 我的中心 › 博文 › liwei999的博文

liwei999

https://blog.sciencenet.cn/?362400

推理强化学习是端到端的监督，推理过程的非监督: 热度 1 李维 2025-2-1 14:00; DeepSeek R1 的数学和代码数据究竟是有监督还是无监督？是人造数据还是再生数据？很多人其实没究细节：实际上这些数据是人造也是再生，是监督学习，也是非监督学习（强化学习）。怎么讲？这些训练数据，从源头和结果（黄金标准）上看，是地地道道的人造数据。用的是各种数学测试题，以及 github 开源社区的人类（码 ...; 个人分类: AI 浪潮|8526 次阅读|1 个评论热度 1

1 2 345 6 7 8 9 10 ... 47 下一页

会议

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2026-3-3 10:15

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部