熱門話題
查看更多30.29萬 熱度
52.19萬 熱度
4981.73萬 熱度
17.38萬 熱度
208.33萬 熱度
置頂
Gate Booster 第 4 期：發帖瓜分 1,500 $USDT
🔹 發布 TradFi 黃金福袋原創內容，可得 15 $USDT，名額有限先到先得
🔹 本期支持 X、YouTube 發布原創內容
🔹 無需複雜操作，流程清晰透明
🔹 流程：申請成為 Booster → 領取任務 → 發布原創內容 → 回鏈登記 → 等待審核及發獎
📅 任務截止時間：03月20日16:00（UTC+8）
立即領取任務：https://www.gate.com/booster/10028?pid=allPort&ch=KTag1BmC
更多詳情：https://www.gate.com/announcements/article/50203🤖 尋找 Gate 廣場 AI 評測官！$50,000 懸賞令發布！
發帖聊 AI，獎金拿到手軟！新人首帖獎勵翻倍，單帖最高 200U！
📝 立即報名：https://www.gate.com/questionnaire/7477
1️⃣ 發帖得紅包，單帖最高 100U！
2️⃣ Top 體驗分享官：帶 #Gate广场AI测评官 聊技巧，贏國米球衣！
3️⃣ 收益率 PK 王：曬 AI 收益截圖，贏 Gate 定制運動套裝！
4️⃣ 深度好文額外加碼 30U 每篇張榜公布！
💬 來 Gate 廣場，把握行業新趨勢：https://www.gate.com/post
時間：3/12 18:00 – 3/27 24:00 (UTC+8)
詳情：https://www.gate.com/announcements/article/50206Gate 廣場內容挖礦獎勵繼續升級！無論您是創作者還是用戶，挖礦新人還是頭部作者都能贏取好禮獲得大獎。現在就進入廣場探索吧！
創作者享受最高60%創作返佣
創作者獎勵加碼1500USDT：更多新人作者能瓜分獎池！
觀眾點擊交易組件交易贏大禮！最高50GT等新春壕禮等你拿！
詳情：https://www.gate.com/announcements/article/49802
DeepSeek低調推出R1論文V2版本，披露了幾項關鍵技術進展。
在大模型生成內容的真實性問題上，他們給出了官方解讀。針對模型在回答時頻繁提及OpenAI和ChatGPT的現象，DeepSeek解釋稱這並非刻意設計，而是源於訓練數據的客觀現狀——網頁語料庫中客觀存在大量外部生成的內容，這些內容在被納入基座模型訓練時，產生了間接但可測量的影響。這個發現對理解LLM的行為特徵和數據依賴性有重要意義。
更值得關注的是他們對未來能力方向的規劃。論文明確將「結構化輸出」和「工具使用」列為R2的核心發展方向。結構化輸出能讓模型按照特定格式組織資訊，提升在實際應用中的可用性；工具使用則涉及模型與外部系統的交互能力，這對擴展推理模型的實際應用邊界至關重要。這些技術迭代方向反映了從純文本生成向多模態、強交互能力的轉變趨勢。
等等，他們還在甩鍋訓練數據？說什麼客觀現狀...行吧，這理由確實站得住腳
結構化輸出和工具使用聽起來還不錯，就怕又是紙面上的進度條
結構化輸出+工具調用，這才是玩家都想要的東西，純聊天真的沒什麼競爭力了
DeepSeek這次更新看起來還是挺穩健的，沒有那種誇大其詞的味道
訓練數據這事兒說白了，誰都繞不過去，與其藏著掖著不如坦誠相待
R2 要是真把工具能力做好了，可能才是真正值得關注的時刻
數據集質量問題確實困擾整個行業，DeepSeek敢直說也算是誠意吧
這波更新感覺沒什麼驚喜，但至少邏輯自洽，不忽悠人
訓練數據影響模型行為這事兒說得對，網上那堆ai生成的垃圾確實會沾染
R2要來了吧，多模態才是未來啊
關鍵是能不能真的好用，別又是紙面風光
訓練數據裡全是ChatGPT的影子...這下好了，說什麼都像在復讀對手
結構化輸出+工具使用，聽起來就是在鋪墊下一代的實用性，R2要來真的了嗎
數據污染這事兒，整個圈子都躲不開，DeepSeek敢說出來反而顯得誠實
R2的野心不小啊，從文本生成直接跳向多模態交互，有點激進但我喜歡
這波技術路線圖透露得挺清楚，就是在暗示自己的天花板在哪兒呢
工具使用這塊真的是關鍵，沒有這個LLM再強也是花瓶
論文V2出了這麼久才有人討論，熱度確實不如人意
训练数据里全是ChatGPT痕迹也挺有意思的，说白了就是互联网DNA的问题
R2會不會直接起飛，有點期待
不過結構化輸出+工具調用這組合拳才是關鍵，感覺這才是實用化的真正突破口
DeepSeek又搞偷偷摸摸這套，低調得離譜...弄完了才發論文
工具能力要是真做好了，這才能真正威脅到OpenAI的生態
結構化輸出和工具調用這俩方向靠譜，R2要真能幹成這樣就絕了
DeepSeek這低調勁兒是真的，每次都是悄悄放論文，比某些天天吆喝的香多了
訓練數據裡全是ChatGPT的東西，難怪模型老提起他們，這怎麼洗都白不了吧
工具使用能力起來的話，推理模型才算真正有用武之地，純聊天我早膩了
---
結構化輸出+工具調用，這才是打開實用性大門的鑰匙，純文本生成時代真的要過去了
---
等等，他們說的"間接但可測量的影響"...這不就是變相承認模型會被訓練數據帶偏么
---
R2 這個路線圖很有趣，感覺 DeepSeek 在走自己的路，不跟風 pure reasoning
---
訓練數據裡全是外部內容，這玩意兒怎麼保證獨立性...