Re: [新聞] 三位臺灣AI專家發起DeepSeek R1改造計畫

別人已經搞出來啦
DeepSeek-R1 1776 (美國獨立宣言年份)

R1 1776 is a DeepSeek-R1 reasoning model that has been post-trained by
Perplexity AI to remove Chinese Communist Party censorship. The model
provides unbiased, accurate, and factual information while maintaining high
reasoning capabilities.

R1 1776 是一個 DeepSeek-R1 推理模型，經由 Perplexity AI 進行後訓練，以移除中國共產黨的審查。該模型在保持高推理能力的同時，提供公正、準確且基於事實的信息。

https://huggingface.co/perplexity-ai/r1-1776
https://www.perplexity.ai/hub/blog/open-sourcing-r1-1776

擁抱各位最愛的西方價值觀
這樣募資要退錢嗎?

※ 引述《shala (沙羅是轉換後的文字檔打m)》之銘言：
: 1.媒體來源:
: iThome
: 2.記者署名:
: 文/王宏仁 | 2025-02-08發表
: 3.完整新聞標題:
: 三位臺灣AI專家發起DeepSeek R1改造計畫，要打造繁中版開源授權的推理模型
: 4.完整新聞內文:
: 這項計畫將以DeepSeek R1為基礎來進行改造，透過重新訓練模型的方式，並以開源授權: 釋出模型權重，也就是採取開放權重的策略釋出，最後還會打造新的模型身份與品牌
: OpenAI去年發表了新一代推理模型o1之後，讓眾人看到GAI開始媲美真人博士或軟體開發: 高手般的解題能力，掀起了新一輪的大型語言模型競賽。春節期間，以開放權重釋出的De: epSeek R1模型，大幅降低了這一波推理模型競賽的門檻，成了全球AI產業的熱門焦點，: 開始浮現客製化推理模型的趨勢。
: 臺灣也有三位AI專家，在2月7日發起了一項臺灣製造大型語言模型計畫，專案代號「自由: 鋼普拉」（FreedomGunpla R1），希望募資3千萬元，預計在3月底釋出第一版預覽的推理: 模型。
: 這款引起全球AI圈熱議的DeepSeek R1模型，在論文中揭露了多項媲美甚至超越OpenAI o1: 推理模型的能力，因為可以部署到本地端，來避免企業自己的機敏資料上傳到網路，而引: 起AI圈的重視，不過，R1模型簡體版用戶協議中提到自己通過三項中國AI法規的備案，也: 讓外界擔心這款模型生成的內容偏重於對齊中國價值。
: 因此，臺灣有三位不同AI領域的專家，發起了這項重新改造DeepSeek R1，來打造對齊多: 元價值的繁體中文版推理模型計畫「自由鋼普拉」。這三位發起人，包括了AI PM助理新: 創MeetAndy AI創辦人薛良斌，Taiwan LLM開發者林彥廷以及雲端遊戲軟體開發供應商Ubi: tus的執行長郭榮昌。
: 薛良斌是台灣生成式AI年會主辦人，也是知名售票平臺KKTIX和MLOps新創InfuseAI的共同: 創辦人，由他來負責募集這項模型改造計畫的資源。
: 林彥廷則是具有中文大型語言模型訓練經驗的專家，他剛結束了在Meta的實習，參與了Me: ta訓練Llama模型的過程。林彥廷將負責FreedomGunpla R1的模型訓練工作。而最後一位: 郭榮昌則擁有大規模GPU叢集管理經驗，旗下公司曾獲得Nvidia破億元投資，也擁有亞洲: 最大的GPU農場。郭榮昌將負責算力架構和管理。
: 臺灣目前也有幾款繁中版大型語言模型，主要以Meta釋出的Llama模型為基礎來客製訓練: ，但薛良斌認為，Llama 3模型不夠聰明，甚至用以「太笨了」來形容，他指出，如果想: 要打造出自主能力的AI代理，使用媲美O1等級推理能力的模型是最低標準。
: 這項計畫的技術重點包括了，將以DeepSeek R1為基礎來進行改造，透過重新訓練模型的: 方式，並以開源授權釋出模型權重，也就是採取開放權重的策略釋出，最後還會打造新的: 模型身份與品牌。薛良斌強調，這不只是一個技術專案，更是一項文化工程，因為這是一: 項多元價值觀的對齊任務。
: 預計分三階段來實現目標，第一階段先對齊西方價值觀，可能導致模型推理能力下滑，薛: 良斌評估，很高機率達成這個里程碑。第二階段再進一步讓變笨的模型變得聰明，這部分: 則需要投入更多資源來驗證。這項計畫的終極目標是，不論使用者用繁體中文或是英文時: ，這款模型的表現可以比使用簡體中文更好。
: 這項計畫希望募資3千萬元，將由財團法人開放文化基金會（OCF）處理募資，專款專用，: 透過這筆資金，希望至少可以訓練兩次模型。在時程上，初步預計2025年3月底前釋出第: 一版預覽模型，開始搜集早期測試者的意見回饋後快速迭代，再釋出最終的版本。
: 5.完整新聞連結 (或短網址)
: https://www.ithome.com.tw/news/167280

--