DeepSeek R1, zatiaľ čo pokročilý model v schopnostiach zdôvodnenia vykazuje niekoľko obmedzení svojich multitaskingových schopností. Tu sú identifikované kľúčové obmedzenia:
Obmedzenia všeobecných schopností
Výkon Deepseek R1 v multitaskingu nie je taký robustný ako jeho predchodca, Deepseek V3, najmä pri zložitých úlohách, ako je volanie funkcií, interakcie s viacerými otáčaním a výstup JSON. To naznačuje, že hoci dokáže zvládnuť rôzne úlohy, jeho účinnosť sa znižuje v zložitejších scenároch, ktoré si vyžadujú trvalé zdôvodnenie vo viacerých krokoch alebo kontextoch [1].Problémy s miešaním jazyka
Model je primárne optimalizovaný pre angličtinu a čínštinu, čo môže viesť k miešaniu jazyka pri spracovaní otázok v iných jazykoch. Výsledkom je výstupy, ktoré nemusia byť v súlade s očakávaniami používateľa alebo zamýšľaným jazykom dotazu, čím komplikujú jeho použiteľnosť pre širšie publikum [1] [4].Citlivosť na výzvu
Deepseek R1 ukazuje vysokú citlivosť na štruktúru výziev. Vykonáva zle s niekoľkými technikami výziev, ktoré často znižujú kvalitu výstupu. Namiesto toho sa odporúča používať výzvu na nulové výbehy s jasnými a stručnými pokynmi pre optimálny výkon. Táto citlivosť môže brániť jeho prispôsobivosti v rôznych úlohách a vstupoch používateľov [2] [8].Obavy z účinnosti
Model čelí výzvam súvisiacim s efektívnosťou počas procesov posilňovacieho vzdelávania (RL), najmä v úlohách softvérového inžinierstva. V dôsledku dlhých časov hodnotenia spojených s tréningom RL Deepseek R1 v tejto doméne významne prekonal predchádzajúce modely. Očakáva sa, že budúce vylepšenia riešia tieto problémy s účinnosťou prostredníctvom metód, ako je odber odberu odmietnutia a asynchrónne hodnotenia [1] [7].Hĺbka kvality výstupu a zdôvodnenia
Zatiaľ čo Deepseek R1 využíva reťazec myšlienkového prístupu, ktorý umožňuje reflexné zdôvodnenie, niekedy to môže viesť k podrobným a preplneným výstupom. Model môže zápasiť s udržiavaním koherencie počas zložitého riešenia problémov, čo má za následok výstupy, ktoré sa cítia nevyspytateľné alebo nezaostrené. Táto charakteristika môže odvrátiť jasnosť a užitočnosť jej odpovedí [2] [3].Stručne povedané, zatiaľ čo DeepSeek R1 predstavuje významný pokrok v schopnostiach zdôvodňovania pre veľké jazykové modely, jeho multitaskingové schopnosti sú obmedzené problémami súvisiacimi s spracovaním zložitosti, spracovaním jazyka, rýchlosťou citlivosti, účinnosťou v konkrétnych doménach a výstupnej koherencii.
Citácie:[1] https://arxiv.org/html/2501.12948v1
[2] https://www.qodo.ai/blog/qodo-gen-adds-self-hosted-support-for-deepseek-r1/
[3] https://www.reddit.com/r/localllama/comments/1i7fjqm/deepseek_r1_is_unuusable_imho/
Https://www.hindustantimes.com/world-news/us-news/deepseek-ai-chinas-deepseek-r1-mow-data-digital- assistant-impact-wall-wall--technology-market-global -101737978272938.html
[5] https://github.com/deepseek-ai/deepseek-r1/issues/26
[6] https://www.linkedin.com/pulse/deepseek-revolutionaling-ai-open-source-reasoning-20-ramachandran-xakme
[7] https://adasci.org/mastering-llms-reasoning-apability-with-deepseek-r1/
[8] https://www.prompthub.us/blog/deepseek-r-1-model-model-wow-and-how-it-anks-against-openais-o1
[9] https://www.vellum.ai/blog/the-training-of-deepseek-r1-and-ways-to-use-it-it