Re: [情報] 50美元訓練出媲美DeepSeek R1

[dansy (Eye Taiwan)]

大家都被訓練成本給迷惑
說穿了訓練AI就像培養人才

真正重點是"教材內容正確性"，以及"學習成果的評價回饋" (就是老師要改作業)
對應的是"輸入資料正確性"，並且存在"有效的回饋機制來修正權重"

資料部分雖然OpeAI/Gemini基本已經將網際網路上公開資料爬完
但還有許多真正有用的專利知識屬於商業機密
但只要是機密就不會公開，所以各家AI模型壓根沒有學習的機會
(這也是多數公司想用開源DS做本地訓練&部署的原因--保密)

而回饋機制則需要建立一個能夠足夠精確的虛擬真實世界系統
才能讓AI在其中去進行各種試錯，得到回饋進而學習
但這明顯互相矛盾
人類正是因為知識不足，故無法打造出一個"足夠真實的虛擬世界"給AI做回饋用

所以這就造成現有的大模型能創作、能畫畫、能唱歌
但對於多數需要物理、邏輯能力的進階用戶並無明顯助益
畢竟專家都會讀paper/google，大模型只是再幫你濃縮整理一次公開資料罷了
即便再怎麼加強推理過程機制，但缺乏足夠真實的虛擬系統給AI試錯
也就沒有回饋作用，起不到讓AI持續修正權重(進化)的作用

簡而言之現階段即便奧特曼再怎麼嘴砲，孫正義有再多錢砸
訓練出來的LLM終究是google濃縮器、PPT產生器、詩詞吟唱器罷了

※ 引述《ImHoluCan (爺)》之銘言：
: 好的
: google 要不要把昨天財報上的說750億設備支出
: 變成50美元支出？
: 李飛飛能直接表明蒸餾Google
: Google 最好不知道還給你研究所蒸餾
: 那昨天Google 財報2025還要支出750億呢？
: 還是明天台灣派人去蒸餾meta Google chatGPT?
: 看看他們要不要給蒸餾
: ※ 引述《LimYoHwan》之銘言
: : 標題：
: : 李飛飛團隊用不到50美元訓練出媲美DeepSeek R1的AI推理模型
: : 來源：
: : Futu
: : 網址：
: : https://tinyurl.com/ydrtdbu8
: : 內文：
: : 李飛飛等斯坦福大學和華盛頓大學研究人員近日以不到50美元的雲計算費用訓練了一個名
: : 叫s1的人工智能推理模型。該模型在數學和編碼能力測試中的表現與OpenAI的o1和DeepSe
: : ek的R1等尖端推理模型類似。研究人員表示，s1是通過蒸餾法由谷歌推理模型Gemini 2.0
: : Flash Thinking Experimental提煉出來的。
: : https://i.imgur.com/kFg9GjU.jpeg
: : 斯坦福大學以及華盛頓大學的研究團隊展示了一種極低成本的 AI 訓練方法，被稱為 S1
: : 。
: : S1 僅使用 6 美元就能達到 OpenAI o1-preview 級別的推理性能！同時匹敵Deepseek R1
: : 推理時間可控：S1 通過簡單的“Wait”機制，控制大模型的思考時間，提高推理能力。
: : S1 不是 OpenAI o1 或 DeepSeek R1 的直接復刻，但它揭示了在推理時微調 AI 的潛力
: : ，甚至可以媲美 Reinforcement Learning（強化學習）。
: : OpenAI 和 DeepSeek 早期研究發現，AI 在回答問題時“思考得更久”，往往能得出更好
: : 的答案。但過去並沒有清楚解釋：如何在推理階段控制 AI 的思考時間？
: : S1 的創新點： S1 論文提供了推理時間擴展（Inference Scaling）的具體實現方法：
: : 核心思想：
: : 如何在不改變 AI 訓練過程的情況下，提高 AI 解決複雜問題的能力？
: : 方法：讓 AI 在推理時“多想幾秒”，自動檢查自己的答案，從而減少錯誤，提高正確率
: : ！
: : 結果證明，這種方法比 OpenAI o1-preview 還要好！
: : 最重要的是：而且只用了 1000 道題！ 這比一般 AI 訓練的數據少了 800 倍，但效果仍
: : 然很強！
: : 此外，該模型可以在筆記本電腦上運行，並且其訓練成本僅為 6 美元。
: : 論文下載
: : https://arxiv.org/pdf/2501.19393
: ----

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.253.240.81 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1738847363.A.943.html
→ ssarc       : 這樣不夠嗎？
→ jo4         : 現在都在用AI探索未知的知識了像蛋白質
→ jo4         : 如果公司機密也當成未知的知識 被AI破解也早晚而已
推 sheng76314  : 沒阿 DS推理不用人類介入 自己跟自己對羿
下棋是最好回饋的機制，根據規則就能判斷勝負，絲毫沒有模糊的空間

但物理方程式的推導呢?

AI能夠根據思維鍊輕鬆創造出幾百個前所未有的方程式

但AI怎麼驗證對錯? 怎麼去驗證是否符合人類所處的宇宙?

→ sheng76314  : 少了人類打標籤
→ angusyu     : 所以你真的懂生成式AI?
建議您先去了解，為何黃仁勳要創造一個虛擬工廠，來訓練AI機器人的原因吧!

噓 PureAnSimple: 過程中的煙花  不重要的軟體  不用一直理它  發文
→ PureAnSimple: 更是浪費
推 Shiang1225  : 好吧那AI還是拿來作meme吧
推 stlinman    : 別的先不扯，目前光是AI LLM可以自己去生成思維鏈
推 breathair   : 如果只是這樣，幹嘛花一堆錢堆算力？堆
→ breathair   : 算力不會提升模型的智力嗎？同樣擁有全
→ breathair   : 世界的資料，智商140跟90差異會很明
→ breathair   : 顯吧？
→ stlinman    : （CoT）就夠厲害了!學習反饋LR就夠讓人期待未來。
→ stlinman    : 強調一下我說的生成思維鏈是像圍棋一樣去想"棋路"。
同上 下棋有明確勝負，不重複解釋

各種回饋寫法並不是重點，而是AI如何能得到"是否符合人類世界"的回饋?

就像愛因斯坦推導狹義相對論方程，但還是需要愛丁頓在非洲觀察日食來驗證

除非人類能創造出一個無限逼近於現實世界的虛擬系統，能讓AI在其中無限試錯學習

否則任何自回饋都只是幻覺罷了

→ pujos       : 李飛飛定義裡AI有兩個面向，語言跟行動
推 ImHoluCan   : AI大師要帶領台灣組AI team 嗎？
→ pujos       : 她們現在在做的就是行動那部份，語言已經是上一趴的
→ pujos       : 事了
→ ImHoluCan   : 你以為AI 只有LLM ?
推 wallace366  : 推這篇文章，能否真的做出世界模型，仿造真實世界物
→ wallace366  : 理規則才是ai能夠實際應用的重點。
→ pujos       : 我們行為舉止很直覺的事，現在要轉化成電子輸出還很
→ pujos       : 困難
→ ImHoluCan   : 黃董2月不是有講？ 你AI大師怎麼不上台？
→ ImHoluCan   : 台廠有半島體廠已在用機器人，就Nvidia 搞的，你沒
→ ImHoluCan   : 看過？
現有的邏輯都是PLC預先編程寫好的 好像還沒見過能即時自主推論的機器人在線上

→ kinda       : 理論物理學家要什麼回饋？輕小說家有去過異世界？
→ ImHoluCan   : 真的不進產線的ㄧ堆肥貓，不知道台廠有在搞這塊
※ 編輯: dansy (111.253.240.81 臺灣), 02/06/2025 21:55:05
→ ImHoluCan   : 機器人早就在搞，對岸也早在搞，是台灣ㄧ般人除了
→ ImHoluCan   : 產線仔有些會看到，其它大肥貓都沒進產線，還以為
→ ImHoluCan   : 黃董搞機器人是亂講
推 ImHoluCan   : 難怪台灣沒有DeepSeek ，我也是代工仔
→ pujos       : 你連看都看不懂人家在搞什麼，還工廠...
→ scott01     : 只要申請專利就是公開技術了 各國的專利申請機構都
→ scott01     : 能查到專利內容 找不到的是被公司列為機密文件的技
→ scott01     : 術 但通常也能透過一些研討會找到線索
推 ohha0221    : 其實隨便一個產品的硬體設計圖就機密文件了啊 AI再
→ ohha0221    : 怎麼會google也撈不到資料啊 除非有人外流到網路上
→ ohha0221    : 像這類問題去問AI永遠得不到正確答案
推 gauurgr1016 : 這篇正解
推 parttime    : 能力限制了你的想象。
噓 ma721       : 所以你認為你的世界也是幻覺
推 a89182a89182: 標準錯誤答案
→ a89182a89182: 不知道你的AI是哪個老輝阿教的
→ dildoe      : 錢賺得不夠的慘業多連機器手臂都沒看過QQ