DeepSeek 发布 SPCT 方法，提升推理扩展性
来自 Synced · 期号 2025-04-11
摘要
DeepSeek 发表了一篇新论文，提出了一种名为 SPCT 的新技术。 SPCT 的目标是提升通用奖励模型（GRM）的可扩展性。奖励模型用于评估 AI 输出的质量，是强化学习训练的关键环节。传统方法在扩展时面临瓶颈，SPCT 提供了一种新的思路。 这篇论文也暗示，DeepSeek 的下一代模型 R2 将采用 SPCT 方法。
来自 Synced · 期号 2025-04-11
DeepSeek 发表了一篇新论文，提出了一种名为 SPCT 的新技术。 SPCT 的目标是提升通用奖励模型（GRM）的可扩展性。奖励模型用于评估 AI 输出的质量，是强化学习训练的关键环节。传统方法在扩展时面临瓶颈，SPCT 提供了一种新的思路。 这篇论文也暗示，DeepSeek 的下一代模型 R2 将采用 SPCT 方法。
本站只做摘要与索引，全部内容版权归原作者所有。