[分享] DeepSeek R1 關鍵技術分享
投影片連結: https://docs.google.com/presentation/d/e/2PACX-1vRE2WCiPHFADoNDcsqOevHAhA0BCTWCTXH7-2OeQZonRqzDV2C4eFjTpU2XKQUt4OQiXWVcfqy7lniQ/pub 摘要筆記 (by GPT-4o) 🎯 一、總覽摘要 DeepSeek 系列聚焦於： 降低推論成本（僅用 37B 參數實現 671B 架構效果） 提升推理能力（SFT + RL 訓練） 技術創新（MoE、MLA、MTP） 🔍 二、技術重點整理 1️⃣ 模型演進路線 DeepSeek-Coder / LLM / V2 / V3 / R1 / R1-Zero 全部模型皆採用 MoE 架構，Context window 最長可至 128K tokens 2️⃣ 效能比較亮點 DeepSeek-V3 (2024.12 發布的版本) 與 LlaMa-3.1 405B 在綜合表現上相當，但資源使用更省，在數學與程式相關測試表現超越 GPT-4o DeepSeek-V3-0324 在數學與程式領域超越 GPT-4.5 DeepSeek-R1 與 OpenAI GPT-o1 在綜合表現上相當，但資源使用更省 3️⃣ 三大技術突破 MoE (DeepSeekMoE) 精細劃分 Experts（類 ensemble 設計） Shared Expert 實現通才+專才搭配 MLA (Multi-Head Latent Attention) 壓縮 KV Cache 減少記憶體使用 MTP (Multi-Token Prediction) 多點預測輸出，強化學習訊號密度與 transition 學習 4️⃣ 訓練策略全景圖 Pretraining ：大規模語料建立通識 SFT (Supervised Fine-Tuning) ：學習解題方式 RL (Reinforcement Learning) ：透過 reward feedback 強化推理 R1-Zero ：全 RL 訓練，專精邏輯與數學任務 Distillation ：從 R1 輸出中提煉高品質推理邏輯 5️⃣ Test-Time Scaling 延長 Chain of Thought，提高答案正確率 模型在測試時加入更多反思步驟，可...
