※ 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。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 42.72.31.161 (臺灣)
※ 文章網址: https://webptt.cc/bbs/Stock/M.1738887278.A.575.html
推文 (74)
推
fedona
股版人看不懂英文
02/07 08:17
→
cafein
讚
02/07 08:17
推
herculus6502
反正這裏是股版
02/07 08:36
推
GOOGLEISGOD
專業
02/07 08:42
推
saiiys
https://youtu.be/yD5Zdk79X68?si=EABsvto1BFTIzVA8
02/07 08:45
推
AGODC
這就如同酒精釀造工藝，一般不懂的人認知上它就是某
02/07 08:46
→
AGODC
蒸餾原理，只是有加上一些前後加工的工序，本質上對
02/07 08:46
→
AGODC
一般人來說用「蒸餾」這個辭最好理解啊，未來這種類
02/07 08:46
→
AGODC
蒸餾或前後資料篩選再tune的東西會一籮筐，前面幾個
02/07 08:46
→
AGODC
還分得出來差異，到後面出來幾百幾千個時，誰還分得
02/07 08:46
→
AGODC
出來用哪個方法？反而叫蒸餾是一般人最好理解的
02/07 08:46
推
aaa80563
不然為什麼一堆-0.06的噴上天
02/07 08:48
推
maxangel
台灣媒體就不讀書 當然不會認真寫
02/07 08:50
推
Laviathan
蒸餾不一定是監督式學習，但微調是監督式學習，樓
02/07 08:50
→
Laviathan
上怎麼可以說都一樣叫蒸餾
02/07 08:50
→
wr
簡單來說 只要你能從六萬筆資料中找到那1000筆資料
02/07 08:51
→
wr
你就可以弄出跟gemini很接近的能力
02/07 08:51
→
wr
也就是說 如何找到那1000筆資料的技術應該可以賣錢
02/07 08:53
推
dani1992
按你描述是從Gemini蒸餾微調Qwen沒錯啊
02/07 08:54
→
wr
至於訓練出來的東西 就隨便應用端去天馬行空了
02/07 08:54
推
gift1314520
笑不給他資料庫看他怎麼學習
02/07 08:58
推
LDPC
大大 建議你自刪 這就是蒸餾。是你自己不懂
02/07 09:01
推
p122607
這也是蒸餾的一種…
02/07 09:05
噓
Lowpapa
整篇誤導
02/07 09:06
推
laidawn
推，看不懂
02/07 09:06
推
LDPC
作者自己paper都說 1000題從gemini thinking distil
02/07 09:08
→
LDPC
l
02/07 09:08
→
LDPC
這已經不是你第一次亂嗆 結果自己搞錯=_=
02/07 09:09
→
LDPC
paper 第一頁 右下方就講distilled from gemini thi
02/07 09:10
→
LDPC
nking experimental
02/07 09:10
推
ab4daa
穩
02/07 09:12
推
kungwei
專業給推
02/07 09:13
推
y800122155
貼出來騙人下車的啊
02/07 09:13
推
LDPC
哪來專業..=_=
02/07 09:14
推
oopFoo
必須推。s1來蹭r1的。s1論文根本就不實際，也不實用
02/07 09:27
推
oopFoo
s1這篇論文只是來騙篇數的。phd的悲哀。
02/07 09:32
→
emind
論文主旨是test-time compute 也放在標題了。Ilya
02/07 09:40
→
emind
在2024 Neurips 也講inference time compute.
02/07 09:40
→
emind
宣傳成本什麼的很好笑
02/07 09:41
→
DrTech
這篇論文的distilled意思，與前幾年大家在做transfo
02/07 10:14
→
DrTech
rmer模型時的蒸餾，完全不同意思。是違反學術常規定
02/07 10:14
→
DrTech
義，自創的定義，意思是用Gemini 模型，生成新的訓
02/07 10:14
→
DrTech
練資料。硬扯沒意義，論文實際上跑出來的分數就是大
02/07 10:14
→
DrTech
輸OpenAI-o1或deepseek-r1。新聞寫媲美本來就是亂寫
02/07 10:14
→
DrTech
。
02/07 10:14
推
Denny224
推一個 這才是認知中的學術研究
02/07 10:15
→
DrTech
我對於研究成果沒有否定，但新聞媒體亂報也是事實。
02/07 10:16
→
DrTech
蒸餾模型model distillation本來是模型權重數量壓縮
02/07 10:23
→
DrTech
的一種技術。結果這篇文章用的蒸餾，意思是用模型生
02/07 10:23
→
DrTech
成訓練用的文字資料，不是學術界正式的用語。所以目
02/07 10:23
→
DrTech
前只能放在arxiv，連正式的學術審稿都沒過。
02/07 10:23
→
DrTech
基底模型是Qwen2.5-32B，然後少量Gemini模型生成資
02/07 10:30
→
DrTech
料微調參數，再怎麼蒸餾，硬要扯，也是在蒸餾Qwen2.
02/07 10:30
→
DrTech
5-32B的能力。
02/07 10:30
→
holien
現在學術研究為了比快，有人會先放在arrive，宣示
02/07 10:31
→
holien
自己的成果。
02/07 10:31
→
DrTech
蒸餾老半天，結果還是輸deepseek-R1阿。論文都寫了
02/07 10:31
→
DrTech
。
02/07 10:31
→
DrTech
研究貢獻也不在 "媲美deepseek-R1" 明明就輸很大，
02/07 10:38
→
DrTech
標題亂寫而已。
02/07 10:38
推
newyorker54
我書讀的不多
02/07 10:45
→
newyorker54
所以結論是deepseek r1繼續用？
02/07 10:46
推
atpx
推
02/07 10:46
推
kissa0924307
結論NVDA續抱
02/07 11:04
推
stlinman
說個笑話李飛飛不懂學術界正式用語!
02/07 11:11
推
clou
白痴媒體真的多，不過想想也是因為有這些股市才能賺
02/07 11:12
噓
watashino
蒸餾沒錯啊 但確實也是在fine tune
02/07 11:18
→
ImHoluCan
原來是Dr，專業
02/07 11:31
→
ImHoluCan
Dr大真的專業的，很多人看新聞不自己去查一下
02/07 11:33
→
ImHoluCan
有人會不認識這Dr兄？ 還在那反駁Dr兄，以後好人就
02/07 11:36
→
ImHoluCan
越來越少人發文了
02/07 11:36
噓
HenryLin123
這咖我記得業內人士也在推面板股的，我有沒有記錯
02/07 11:56
→
HenryLin123
？
02/07 11:56
推
greprep
推專業良心
02/10 23:49