一文搞懂DeepSeek - 李飞飞26分钟“蒸馏”S1？

最新推荐文章于 2025-05-15 10:20:59 发布

大靠山

最新推荐文章于 2025-05-15 10:20:59 发布

阅读量1.7k

点赞数 26

文章标签： transformer 学习深度学习人工智能架构

本文链接：https://blog.csdn.net/m0_59235245/article/details/145522362

版权

李飞飞团队凭借不到50美元的云计算成本，成功研发出高性价比的推理模型S1。在数学和编程能力测试中，S1的表现与OpenAI的o1、DeepSeek的R1等顶尖模型旗鼓相当，其实力不容忽视。

S1的诞生，得益于李飞飞团队采用的“蒸馏”技术。该技术使S1能够通过模仿学习其他模型的答案，提炼出强大的推理能力。为了进一步提升S1的智能水平，团队精心设计了1000个问题及答案，并收集了谷歌Gemini Thinking Experimental在回答问题时的思考过程生成数据集。S1对现成的预训练模型（Qwen2.5）在该小型数据集上（1k）进行了监督微调（SFT），在16个H100 GPU上仅需26分钟的训练时间，成本仅为约20美元。

一、蒸馏 or 微调

S1模型是蒸馏（Distill）or 微调（SFT）？S1模型成功地将蒸馏和微调结合在一起，通过蒸馏学习其他模型的输出并提炼出优异推理能力，然后在开源基础模型上进行监督微调，实现了低成本高效能的AI推理模型。

蒸馏（Distill）：S1模型从谷歌的Gemini 2.0 Flash Thinking Experimental模型中蒸馏出了推理能力。蒸馏技术能够大幅降低模型训练的成本，但需要注意的是，蒸馏出来的模型在性能上可能无法超过被蒸馏的模型。
微调（SFT）：S1模型的训练并非从零开始，而是基于通义千问（Qwen2.5）模型进行了监督微调（SFT）。

S1模型通过蒸馏技术从开源基础模型Gemini 2.0 Flash中汲取了强大的推理能力，并在此坚实基础上，通过监督微调进行了进一步的优化。这一过程使得S1模型即便在小数据集上也能展现出低成本高效能的表现。

Gemini app adding 2.0 Pro and 2.0 Flash Thinking Experimental

S1模型如何构建推理数据集？遵循质量、难度和多样性三个原则，从初步收集的59,029样本中经过三轮严格筛选，最终确定了1000高质量、高难度且领域多样的推理数据集，用于监督微调模型。

二、RL ≈ ****Test-time scaling****

****新型缩放范式-测试时缩放（Test-time scaling）是什么？测试时缩放是一种在模型测试阶段通过调整计算资源来提高模型性能的方法。测试时缩放方法分为两类：

1) 顺序缩放，其中后续计算依赖于先前计算（例如，一个长的推理轨迹）；
2) 并行缩放，其中计算独立运行（例如，多数投票）

近年来，大语言模型（LLMs）性能的提升得益于大规模无监督预训练与有监督微调（Pre-training + Fine-tuning）。

但OpenAI-o1、DeepSeek- R1等强大模型的诞生，为构建在这些模型基础之上的新型缩放范式——测试时缩放——奠定了坚实的基础。测试时缩放作为一种新兴的方法，旨在通过调整测试阶段的计算能力来进一步优化模型的表现。这一范式利用了已经训练好的强大模型，在模型进行预测或推理时，通过增加计算量（如迭代次数、模型大小、数据使用量等）来获得更准确或更可靠的结果。

大模型强化学习（RL）可以实现测试时缩放？OpenAI-o1******模型展示了强大的推理性能，并且随着测试时计算能力的缩放，其性能持续提高。**OpenAI将其方法描述为使用大规模强化学习（RL），这意味着使用了大量数据。

DeepSeek-R1成功复制了o1级别的性能，同样通过数百万个样本和多个训练阶段使用了强化学习。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述