Nature· 2025Q1
DeepSeek-R1, pekiştirmeli öğrenme yoluyla LLM'lerde akıl yürütmeyi teşvik ediyor
DeepSeek-R1 incentivizes reasoning in LLMs through reinforcement learning
- 981atıf
- Q1SCImago
- 2025yıl
Kısa özet
DeepSeek-R1 adlı yeni bir pekiştirmeli öğrenme çerçevesi, büyük dil modellerinin (LLM'ler) insan tarafından etiketlenmiş örnekler olmadan gelişmiş akıl yürütme yetenekleri geliştirmesini sağlıyor.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- DeepSeek-R1, insan tarafından etiketlenmiş akıl yürütme verilerine olan ihtiyacı ortadan kaldırarak LLM'leri eğitmek için saf pekiştirmeli öğrenme kullanır.
- Çerçeve, kendi kendine yansıtma ve dinamik strateji uyarlaması dahil olmak üzere gelişen akıl yürütme yeteneklerini mümkün kılar.
- DeepSeek-R1 ile eğitilen modeller, matematik ve kodlama gibi doğrulanabilir görevlerde denetimli öğrenme muadillerini geride bırakır.
- Gelişen akıl yürütme kalıpları, daha küçük LLM'leri geliştirmek için kullanılabilir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Abstract General reasoning represents a long-standing and formidable challenge in artificial intelligence (AI). Recent breakthroughs, exemplified by large language models (LLMs) 1,2 and chain-of-thought (CoT) prompting 3 , have achieved considerable success on foundational reasoning tasks. However, this success is heavily contingent on extensive human-annotated demonstrations and the capabilities of models are still insufficient for more complex problems. Here we show that the reasoning abilities of LLMs can be incentivized through pure reinforcement learning (RL), obviating the need for human-labelled reasoning trajectories. The proposed RL framework facilitates the emergent development of advanced reasoning patterns, such as self-reflection, verification and dynamic strategy adaptation. Consequently, the trained model achieves superior performance on verifiable tasks such as mathematics, coding competitions and STEM fields, surpassing its counterparts trained through conventional supervised learning on human demonstrations. Moreover, the emergent reasoning patterns exhibited by these large-scale models can be systematically used to guide and enhance the reasoning capabilities of smaller models.
Yazarların özeti; kaynağından alınmıştır. Nature, 2025 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Yapay Zeka
Artificial IntelligenceComputer Science