曾任Meta AI推理团队负责人，主导开发Llama 2、Llama 3和Galactica大模型的业内人评Deepseek R1：@deepseek_ai 的发布方式堪称典范——没有炒作、傲慢或模糊宣传，只是单纯向世界分享优秀成果。相比之下，美国科技公司的做法显得尴尬。 以下是他对Deepseek的评论： R1论文及相关工作确实非常出色。关于奖励塑形（reward shaping）和训练数据的问题： 1. 论文中提到奖励“主要由准确性和格式奖励构成”——仅此而已吗？是否有其他奖励机制用于激励生成更长的推理轨迹（traces）？ 2. 在强化学习（RL）阶段，需要多少**独特且可验证的问题**才能让整个流程有效启动？ 但我非常高兴他们终结了PRMs（过程奖励模型）、MCTS（蒙特卡洛树搜索）等过度复杂的方法！🪦
