AI大牛卡帕西盛赞DeepSeek！对着论文夸了半小时，称其思维能力“难以置信”

AI大牛卡帕西谈DeepSeek。

原标题：AI大牛卡帕西盛赞DeepSeek！对着论文夸了半小时，称其思维能力“难以置信”
文章来源：智东西
内容字数：6557字

卡帕西详解DeepSeek-R1：强化学习引领大模型新篇章

本文总结了AI大牛安德烈·卡帕西在其3.5小时YouTube课程中关于DeepSeek-R1及强化学习的精彩内容。课程中，卡帕西重点阐述了强化学习在大型语言模型训练中的关键作用，以及DeepSeek-R1研究的突破性意义。

1. DeepSeek-R1：强化学习的可靠验证

卡帕西将大语言模型的训练过程分为三个阶段：预训练、监督微调(SFT)和强化学习(RL)。他强调，强化学习是“一切调整到位的环节”。DeepSeek-R1论文的重大贡献在于首次公开讨论了强化学习在大型语言模型中的应用，并分享了其如何赋予模型推理能力。DeepSeek-R1在AIME数学竞赛中的表现印证了这一点：通过不断试错和奖励正确答案，模型准确率持续提升，并涌现出类似人类的解题策略，甚至发现了更长的答案能提升准确率的规律。这种“aha moment”体现了强化学习的强大潜力，卡帕西认为这是RL应用于大语言模型最令人难以置信的成果。

2. 强化学习的巨大潜力：超越监督学习的局限

卡帕西将DeepSeek-R1的成功与AlphaGo的成就进行类比。AlphaGo通过强化学习，超越了人类围棋顶尖高手，甚至创造出“神之一手”——人类难以预料的制胜策略。这证明了强化学习能够突破监督学习的限制，发现人类未知的解决方案。卡帕西认为，在大语言模型领域持续扩展强化学习，有可能解锁人类从未设想过的思考方式，例如发现新的类比、全新的思考策略，甚至发明更适合思考的语言。

3. 未来趋势：多模态AI、Agents和测试时训练

卡帕西还展望了未来AI发展的几个重要趋势：首先是多模态AI，他认为音频、图片、视频等数据与文本数据没有本质区别，都可以被token化，因此大语言模型的训练方法同样适用于多模态AI。其次是Agents，即具备自主规划和执行复杂任务能力的AI系统。最后是测试时训练(test-time training)，这将允许模型根据新数据微调参数，从而更好地适应特定问题。

4. DeepSeek的突破性意义

卡帕西高度评价了DeepSeek-R1的开源贡献，认为其对整个AI领域的发展具有积极意义，并期待DeepSeek未来带来更多惊喜。尽管存在一些质疑的声音，但DeepSeek的突破性成就已广受认可。

联系作者

文章来源：智东西
作者微信：
作者简介：智能产业新媒体！智东西专注报道人工智能主导的前沿技术发展，和技术应用带来的千行百业产业升级。聚焦智能变革，服务产业升级。