“二次創造”增強AI普惠性
清華大學計算機系長聘副教授劉知遠接受記者採訪時說，部分海外研究團隊使用DeepSeek－R1、o1等高性能推理大模型來構建、篩選高質量長思維鏈數據集，再用這些數據集微調模型，可低成本快速獲得高階推理能力。
相關專家認為，這是AI研發的有益嘗試，以“二次創造”方式構建模型增強了AI普惠性。但有三點值得注意：
首先，所謂“幾十美元的低成本”，並未納入開發基座大模型的高昂成本。這就好比蓋房子，只算了最後裝修的錢，卻沒算買地、打地基的錢。AI智庫“快思慢想研究院”院長田豐告訴記者，幾十美元成本只是最後一個環節的算力成本，並未計算基座模型的預訓練成本、數據采集加工成本。
其次，“二次創造”構建的模型，整體性能尚無法比肩成熟大模型。TinyZero僅在簡單數學任務、編程及數學益智遊戲等特定任務中有良好表現，但無法適用於更複雜、多樣化的任務場景。而s1模型也只能通過精心挑選的訓練數據，在特定測試集上超過早期版本o1 preview，而遠未超過o1正式版或DeepSeek－R1。
最後，開發性能更優越的大模型，仍需強化學習技術。劉知遠說，就推動大模型能力邊界而言，“知識蒸餾”技術意義不大，未來仍需探索大規模強化學習技術，以持續激發大模型在思考、反思、探索等方面的能力。 |
