📌 📄 内容摘要:
疑无 (@yiwu) 在 加州伯克利大学博士生以 30 刀成本复现 DeepSeek-R1-Zero RL 训练 中发帖
根据 Tomshardware 报道，由加州伯克利大学博士生 Jiayi Pan 领导的 AI 研究小组在一个基于 3b 参数的小模型上复现了 DeepSeek-R1-Zero 训练中使用的强化学习方法，使其发展出自我验证和搜索的能力。
[Image credit: Jiayi Pan / nitter]
令人印象深刻的是，通过利用 DeepSeek-R1-Zero 和强化学习，整个训练仅耗费 30 美金。
────────── 链接信息 ──────────
🔗 论坛链接: linux.do
📎 访问地址: https://linux.do/t/topic/400153/1
─────────────────────────────
📢 来源：LINUX DO
