DeepSeek ने अपने पहले पीढ़ी के तर्क मॉडल, DeepSeek-R1-Zero और DeepSeek-R1 को पेश किया है, जो तर्क कार्यों में OpenAI-o1-1217 के बराबर प्रदर्शन प्राप्त करते हैं। DeepSeek-R1-Zero की प्रशिक्षण सुपरवाइज्ड फाइन-ट्यूनिंग के बिना बड़े पैमाने पर रीइन्फोर्समेंट लर्निंग के माध्यम से की गई है, जबकि DeepSeek-R1 में पठनीयता को बेहतर बनाने के लिए कॉल्ड-स्टार्ट डेटा के साथ एक मल्टी-स्टेज पाइपलाइन का उपयोग किया गया है।
- DeepSeek-R1-Zero शुद्ध RL के माध्यम से स्वाभाविक रूप से स्वयं सत्यापन और लंबी चेन-ऑफ़-थॉट जनरेशन जैसे तर्क व्यवहार विकसित करता है।
- DeepSeek-R1 ने AIME 2024 पर 79.8% Pass@1 प्राप्त किया, जो OpenAI-o1-1217 से ऊपर है, और MATH-500 पर 97.3% स्कोर किया।
- टीम ने Qwen और Llama आर्किटेक्चर के आधार पर DeepSeek-R1 से डिस्टिल्ड छह घन मॉडल (1.5B से 70B) ओपन-सोर्स किए।
- DeepSeek-R1-Distill-Qwen-32B जैसे डिस्टिल्ड मॉडल ने घन मॉडल के बीच नए रिकॉर्ड स्थापित किए, जो पिछले ओपन-सोर्स प्रतिस्पर्धियों से बेहतर प्रदर्शन करते हैं।
इस रिलीज से शोध समुदाय को छोटे और शक्तिशाली तर्क मॉडल के आगे विकास को सुगम बनाने के लिए ओपन-सोर्स चेकपॉइंट्स और एक API प्रदान करता है।