DeepSeek: Novi pristup za unapređenje AI modela kroz samostalnu procjenu odgovora

U otkriću koje bi moglo revolucionisati umjetničku inteligenciju (AI), kineski start-up DeepSeek, u saradnji sa istraživačima sa Univerziteta Tsinghua, objavio je novu metodu za unapređenje sposobnosti razmišljanja velikih jezičkih modela (LLM). Inovacija obećava da će učiniti AI modele inteligentnijim, efikasnijim i sposobnijim da pružaju brže i tačnije odgovore na opća pitanja u odnosu na konkurenciju.

DeepSeek je izazvao veliku pažnju početkom godine kada je predstavio model R1, AI model i chatbot za koji je kompanija tvrdila da nudi isti nivo performansi kao OpenAI-ov ChatGPT, ali po mnogo nižoj cijeni. Najnoviji rad kompanije, objavljen prošlog petka, razlaže detalje tehnike koja je dizajnirana da unaprijedi AI modele na nov način.

Osnova DeepSeek-ove inovacije je metoda poznata kao self-principled critique tuning (SPCT). Ovaj pristup omogućava AI-u da razvije vlastita pravila za ocjenu sadržaja, nakon čega koristi ta pravila da pruži detaljne kritike svojih vlastitih rezultata.

Generativno modeliranje nagrada (GRM) – Ključna inovacija

Za razliku od tradicionalnog pristupa, koji podrazumijeva povećanje veličine modela tokom obuke (što zahtijeva mnogo ljudskog rada i računalne snage), DeepSeek je stvorio sistem sa ugrađenim "sudijom" koji procjenjuje odgovore AI-a u stvarnom vremenu.