
Sign up to save your podcasts
Or


00:00:00 Start
00:17:41 DeepSeekMathBase+7B+的数学能力评估
00:27:47 DeepSeekMath-RL+的训练与评估
00:40:24 探索抗噪声奖励信号的算法
00:46:35 DPO、PPO+和+GRPO+的目标及梯度
00:51:30 Closing
00:00:00 Start
00:19:25 ReAct+Outperforms+Other+Methods+in+Tasks
00:28:34 ReAct+在+ICLR+2023+会议论文中发布
00:34:25 ICLR+2023+会议论文中的实验
00:43:45 ReAct+在+ALFWorld+中的刀具清洁问题
00:51:15 Closing
DeepSeek R1 full discussion and segmented playback.
OUTLINE
00:00:00 Opening
00:16:02 DeepSeek R1 - Segment 1
00:29:54 DeepSeek R1 - Segment 2
00:47:34 DeepSeek R1 - Segment 3
00:56:22 DeepSeek R1 - Segment 4
01:04:21 DeepSeek R1 - Segment 5
01:15:42 DeepSeek R1 - Segment 6
01:26:49 DeepSeek R1 - Segment 7
01:42:33 DeepSeek R1 - Segment 8
02:00:42 DeepSeek R1 - Segment 9
02:12:45 DeepSeek R1 - Segment 10
02:21:42 DeepSeek R1 - Segment 11
02:24:38 Ending
田渊栋(Meta AI/FAIR,强化学习与大模型推理/长上下文方向)分享对大模型竞争格局、模型“记忆”机制、长上下文与存储瓶颈、推理路线,以及 Agent 时代社会冲击的判断与观察。
### 内容要点
- 大模型护城河:数据/算法/infra/人才
- 两种记忆:上下文(工作记忆)与权重(世界观)
- 长上下文与存储供应链瓶颈
- Agent 形态与社会影响