89. 逐句讲解DeepSeek-R1、Kimi K1.5、OpenAI o1技术报告——“最优美的算法最干净”

这是一期技术解读类访谈播客，加州大学伯克利分校人工智能实验室博士生潘家怡作为嘉宾，与主持人张小珺共同解读了 DeepSeek 近期发布的 DeepSeek R1 和 R1.0 模型，以及与之相关的 Kimi 1.5 模型和 OpenAI 的 O1 模型。访谈首先探讨了 DeepSeek 模型对 AGI 领域的影响，以及与 OpenAI 模型的异同，之后潘家怡详细讲解了 DeepSeek R1 论文的核心内容，包括其采用的强化学习算法 GRPO，奖励函数设计，以及模型训练过程中的关键步骤和技术细节，例如 “aha moment” 的出现。最后，访谈还讨论了模型成本估算、数据标注的重要性以及未来研究方向等问题，例如 DeepSeek R1 的训练成本可能在 10 万到 100 万美元之间。通过此次访谈，听众可以深入了解当前大模型领域强化学习技术路线的最新进展，以及相关模型的优缺点和未来发展趋势。