PTT評價

Re: [情報] 50美元訓練出媲美DeepSeek R1

DrTech 發表於 2025/2/7 上午8:14:36
看板Stock標題Re: [情報] 50美元訓練出媲美DeepSeek R1作者
DrTech
 (竹科管理處網軍研發人員)時間推噓23 推:26 噓:3 →:44

※ 引述《LimYoHwan (gosu mage)》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

連結或內文，完全是錯的。
根本是腦殘媒體在亂寫。與論文事實不符。

先說論文結論：

模型表現：
經過不斷的做實驗試錯，
終於從59000筆訓練資料中，

找到一組1000筆AI訓練資料，
可以在"部分考卷"上贏 OpenAI的一個很爛的模型，o1-preview。

其他考卷考出來的分數，依然慘輸給 deepseek-R1，ChatGPT-o1。



成本：不到50美元。
也是只看 fine-tune 1000題，一次的成本。

而且，試了不知道幾次，
終於找到一次，
可以在部分考卷上贏一個很爛的模型。

媒體文章中，忽略不計的成本，至少包含：

base模型訓練的成本(至少占成本99%)
研究人員不斷試錯找1000題的成本。
多組1000題，再用 Gemini 模型，產生fine-tune資料的成本。


其他錯誤資訊，媒體的內文寫：

研究人員表示，s1是通過蒸餾法由谷歌推理模型Gemini 2.0。


完全錯誤。原始論文寫：

先準備 59000筆訓練資料，在不斷的用各種方式，選1000筆資料，再將1000筆 Gemini 2.0 Flash Thinking 改寫訓練資料。

最後再用這些資料fine-tune Qwen2.5-32B-Instruct模型。


真的要亂寫，也要寫成蒸餾 Qwen2.5-32B的能力，而不是蒸餾 Gemini。

而且這種做法嚴格來說不叫蒸餾，叫fine-tune微調

結論：
研究沒問題，找到了一種成本較低的流程，可產生可思考模型。但效果很一般。

一堆外行人，連論文都不看，在造假新聞。
媲美OpenAI-o1，deepseek-r1，連論文都沒這樣寫，純媒體造假。


--

※ PTT 留言評論
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 42.72.31.161 (臺灣)
※ PTT 網址
推

fedona 02/07 08:17股版人看不懂英文

→

cafein 02/07 08:17讚

推

herculus650202/07 08:36反正這裏是股版

推

GOOGLEISGOD 02/07 08:42專業

推

saiiys 02/07 08:45https://youtu.be/yD5Zdk79X68?si=EABsvto1BFTIzVA8
推

AGODC 02/07 08:46這就如同酒精釀造工藝，一般不懂的人認知上它就是某

→

AGODC 02/07 08:46蒸餾原理，只是有加上一些前後加工的工序，本質上對

→

AGODC 02/07 08:46一般人來說用「蒸餾」這個辭最好理解啊，未來這種類

→

AGODC 02/07 08:46蒸餾或前後資料篩選再tune的東西會一籮筐，前面幾個

→

AGODC 02/07 08:46還分得出來差異，到後面出來幾百幾千個時，誰還分得

→

AGODC 02/07 08:46出來用哪個方法？反而叫蒸餾是一般人最好理解的
推

aaa80563 02/07 08:48不然為什麼一堆-0.06的噴上天

推

maxangel 02/07 08:50台灣媒體就不讀書 當然不會認真寫

推

Laviathan 02/07 08:50蒸餾不一定是監督式學習，但微調是監督式學習，樓

→

Laviathan 02/07 08:50上怎麼可以說都一樣叫蒸餾

→

wr 02/07 08:51簡單來說 只要你能從六萬筆資料中找到那1000筆資料

→

wr 02/07 08:51你就可以弄出跟gemini很接近的能力

→

wr 02/07 08:53也就是說 如何找到那1000筆資料的技術應該可以賣錢

推

dani1992 02/07 08:54按你描述是從Gemini蒸餾微調Qwen沒錯啊

→

wr 02/07 08:54至於訓練出來的東西 就隨便應用端去天馬行空了

推

gift1314520 02/07 08:58笑不給他資料庫看他怎麼學習

推

LDPC 02/07 09:01大大 建議你自刪 這就是蒸餾。是你自己不懂

推

p122607 02/07 09:05這也是蒸餾的一種…

噓

Lowpapa 02/07 09:06整篇誤導

推

laidawn 02/07 09:06推，看不懂

推

LDPC 02/07 09:08作者自己paper都說 1000題從gemini thinking distil

→

LDPC 02/07 09:08l

→

LDPC 02/07 09:09這已經不是你第一次亂嗆 結果自己搞錯=_=

→

LDPC 02/07 09:10paper 第一頁 右下方就講distilled from gemini thi

→

LDPC 02/07 09:10nking experimental

推

ab4daa 02/07 09:12穩

推

kungwei 02/07 09:13專業給推

推

y800122155 02/07 09:13貼出來騙人下車的啊

推

LDPC 02/07 09:14哪來專業..=_=

推

oopFoo 02/07 09:27必須推。s1來蹭r1的。s1論文根本就不實際，也不實用

推

oopFoo 02/07 09:32s1這篇論文只是來騙篇數的。phd的悲哀。

→

emind 02/07 09:40論文主旨是test-time compute 也放在標題了。Ilya

→

emind 02/07 09:40在2024 Neurips 也講inference time compute.

→

emind 02/07 09:41宣傳成本什麼的很好笑

→

DrTech 02/07 10:14這篇論文的distilled意思，與前幾年大家在做transfo

→

DrTech 02/07 10:14rmer模型時的蒸餾，完全不同意思。是違反學術常規定
→

DrTech 02/07 10:14義，自創的定義，意思是用Gemini 模型，生成新的訓

→

DrTech 02/07 10:14練資料。硬扯沒意義，論文實際上跑出來的分數就是大

→

DrTech 02/07 10:14輸OpenAI-o1或deepseek-r1。新聞寫媲美本來就是亂寫

→

DrTech 02/07 10:14。

推

Denny224 02/07 10:15推一個 這才是認知中的學術研究

→

DrTech 02/07 10:16我對於研究成果沒有否定，但新聞媒體亂報也是事實。

→

DrTech 02/07 10:23蒸餾模型model distillation本來是模型權重數量壓縮

→

DrTech 02/07 10:23的一種技術。結果這篇文章用的蒸餾，意思是用模型生

→

DrTech 02/07 10:23成訓練用的文字資料，不是學術界正式的用語。所以目

→

DrTech 02/07 10:23前只能放在arxiv，連正式的學術審稿都沒過。

→

DrTech 02/07 10:30基底模型是Qwen2.5-32B，然後少量Gemini模型生成資

→

DrTech 02/07 10:30料微調參數，再怎麼蒸餾，硬要扯，也是在蒸餾Qwen2.

→

DrTech 02/07 10:305-32B的能力。

→

holien 02/07 10:31現在學術研究為了比快，有人會先放在arrive，宣示

→

holien 02/07 10:31自己的成果。

→

DrTech 02/07 10:31蒸餾老半天，結果還是輸deepseek-R1阿。論文都寫了

→

DrTech 02/07 10:31。

→

DrTech 02/07 10:38研究貢獻也不在 "媲美deepseek-R1" 明明就輸很大，

→

DrTech 02/07 10:38標題亂寫而已。

推

newyorker54 02/07 10:45我書讀的不多

→

newyorker54 02/07 10:46所以結論是deepseek r1繼續用？

推

atpx 02/07 10:46推

推

kissa092430702/07 11:04結論NVDA續抱

推

stlinman 02/07 11:11說個笑話李飛飛不懂學術界正式用語!

推

clou 02/07 11:12白痴媒體真的多，不過想想也是因為有這些股市才能賺

噓

watashino 02/07 11:18蒸餾沒錯啊 但確實也是在fine tune

→

ImHoluCan 02/07 11:31原來是Dr，專業

→

ImHoluCan 02/07 11:33Dr大真的專業的，很多人看新聞不自己去查一下

→

ImHoluCan 02/07 11:36有人會不認識這Dr兄？ 還在那反駁Dr兄，以後好人就

→

ImHoluCan 02/07 11:36越來越少人發文了
噓

HenryLin123 02/07 11:56這咖我記得業內人士也在推面板股的，我有沒有記錯

→

HenryLin123 02/07 11:56？
同系列文章
[情報] 50美元訓練出媲美DeepSeek R1
其他人也閱讀了
PTT 熱門相關