Deepseek R1, kun taas edistyksellinen malli päättelyominaisuuksissa on useita rajoituksia sen monitehtävissä. Tässä on keskeiset rajoitukset tunnistetut:
Yleiset kykyrajoitukset
Deepseek R1: n suorituskyky monitehtävissä ei ole niin vankka kuin sen edeltäjänsä Deepseek V3, etenkin monimutkaisissa tehtävissä, kuten toimintojen kutsuminen, monen käännöksen vuorovaikutus ja JSON-lähtö. Tämä osoittaa, että vaikka se pystyy käsittelemään erilaisia tehtäviä, sen tehokkuus vähenee monimutkaisemmissa skenaarioissa, jotka vaativat jatkuvaa päättelyä useissa vaiheissa tai konteksteissa [1].Kielen sekoitusongelmia
Malli on ensisijaisesti optimoitu englanniksi ja kiinalle, mikä voi johtaa kielen sekoittamiseen käsittelemällä kyselyitä muilla kielillä. Tämä johtaa tuloksiin, jotka eivät välttämättä ole yhdenmukaisia käyttäjän odotusten tai kyselyn suunnitellun kielen kanssa, mikä monimutkaistaa sen käytettävyyttä laajemmalle yleisölle [1] [4].herkkyys kehotukseen
Deepseek R1 osoittaa suurta herkkyyttä kehotusrakenteelle. Se toimii huonosti muutamalla laukauksella kehotustekniikoilla, jotka usein heikentävät sen tuotoksen laatua. Sen sijaan on suositeltavaa käyttää nollavaihetta, joka kehottaa selkeillä ja tiiviillä ohjeilla optimaaliseen suorituskykyyn. Tämä herkkyys voi estää sen sopeutumiskykyä eri tehtävien ja käyttäjän syöttöjen välillä [2] [8].Tehokkuusongelmat
Malli kohtaa haasteet, jotka liittyvät tehokkuuteen vahvistusoppimisprosessien aikana (RL), etenkin ohjelmistosuunnittelutehtävissä. RL -koulutukseen liittyvien pitkien arviointiaikojen vuoksi Deepseek R1 ei ole merkittävästi ylittänyt aikaisemmat mallit tällä alueella. Tulevien parannusten odotetaan käsittelemään näitä tehokkuusongelmia menetelmillä, kuten hylkäämisen näytteenotto ja asynkroniset arvioinnit [1] [7].Lähtölaadun ja päättelyn syvyys
Vaikka Deepseek R1 käyttää ajattelutavan ketjua, joka mahdollistaa heijastavan päättelyn, tämä voi joskus johtaa verboseihin ja sotkuisiin tuotoksiin. Malli voi kamppailee johdonmukaisuuden ylläpitämisellä monimutkaisen ongelmanratkaisun aikana, mikä johtaa tuloksiin, jotka tuntuvat epämääräisiltä tai keskittymättömiltä. Tämä ominaisuus voi heikentää sen vasteiden selkeyttä ja hyödyllisyyttä [2] [3].Yhteenvetona voidaan todeta, että vaikka Deepseek R1 edustaa merkittävää edistystä suurten kielimallien päättelyominaisuuksissa, sen monitehtävät kykyjä rajoittavat monimutkaisuuden käsittelyyn, kielenkäsittelyyn, nopeaan herkkyyteen, tietyillä alueilla tehokkuuteen ja lähtökoherenssiin.
Viittaukset:[1] https://arxiv.org/html/2501.12948v1
.
[3] https://www.reddit.com/r/localllama/comments/1i7fjqm/deepseek_r1_is_unusable_imho/
[4] https://www.hindustantimes.com/world-news/us-news/deepseek-aai-chinas-deepsek-r1-low-data-digital-asssistant-fact-wall-street-technology-market-global -101737978272938.html
[5] https://github.com/deepseek-ai/deepseek-r1/issues/26
.
.
.
.