图：人工智能发展一日千里。强图为2016年3月9日至15日，化学人工智能程序“阿尔法围棋”在韩国首尔进行的习博五番棋比赛中，以4比1的采衆长总比分击败韩国九段棋手李世石。\新华社

　　大公报：我们现在知道，强DeepSeek的化学全国约茶渠道高性能根本上来自于新算法，即强化学习方法，习博这似乎和当年Alpha Zero与人类棋手博弈相似，采衆长是强吗？

　　高飞：是的。DeepSeek的化学强化学习，不是习博新理论。大家最耳熟能详的采衆长强化学习模型，应该70a.t∨红颜直播app谷歌DeepMind的强围棋模型Alpha Zero。它之所以叫Zero，化学是习博指模型是从零数据开始，通过与自身进行数百万次对弈，积累数据，提升性能。

　　DeepSeek R1也是这样，通俗地说，它就是人工智能界的“Alpha Zero棋手”，用AI和AI对弈的强化学习方式（而不是学习人类知识行为数据），提高性能。需要说明的是，DeepSeek R1并非单一地运用强化学习方法，而是新老方法并用，博采众长。例如，DeepSeek团队发现模型出现中英文双语混用、答案不易被人理解的现象，所以也使用了传统的监督式学习（SFT），即人类数据辅助优化，让内容输出更友好。

　　大公报：但谷歌DeepMind八年前就已推出围棋模型Alpha Zero，强化学习法早已有之。在这方面，DeepSeek是否算抄袭了谷歌的技术呢？

　　高飞：这就是科学、技术、工程的区别了。强化学习技术早有公开论文，大家都可学习借鉴。但科学原理如何在技术和工程上实现，是另一回事。

　　此外，属于封闭性问题（即有标准答案、可判断胜负）的围棋问题，与处理开放性问题的语言大模型是不同的。这种强化学习技术，并不容易在大语言模型的训练中使用，从去年开始涌现的千百个大模型，都没能取得这方面突破，没能走通这条技术路径。

• ·中国斯诺克大获全胜！徐思147分平纪录，12人闯威尔士赛！
• ·詹姆斯带伤作战21+16湖人止四连败 库兹马染血利拉德砍31分
• ·代言人鞠婧祎现场助阵打CALL 《终结者2》TSL超级联赛亮点前瞻
• ·杨平纹绣会馆杨平做客《领航》
• ·知名女演员赴柬埔寨拍戏引发粉丝担忧，本人发声！
• ·海皇体育hhb：官方体育APP,海皇帮您玩转球场
• ·领略极致便携体验!倍轻松iSee 4眼部按摩器图赏
• ·12月26日NBA圣诞大战再战一场，最终哈登领衔的球队在客场很遗憾的输给了勇士
• ·5年5冠，徐皓阳已连续5年收获冠军荣誉
• ·以能量之名，盼盼豹发力见证格斗之王的英雄传说
• ·代言人鞠婧祎现场助阵打CALL 《终结者2》TSL超级联赛亮点前瞻
• ·林书豪28+9贺希宁6三分 北京负深圳遭赛季首败
• ·陈雨菲、陈清晨同亮相！下周二，去国信体育馆为中国队呐喊助威
• ·福建盼盼豹发力，你的球迷一直都在
• ·近期裁判报告：5场7次错判，其中福建对阵江苏3次错判
• ·重温9号生涯轨迹！帕克和波波互侃让人动容，6年前他亲承被骂哭过