DeepSeek R1, míg az érvelési képességek fejlett modellje számos korlátozást mutat a multitasking képességeiben. Itt vannak az azonosított legfontosabb korlátozások:
Általános képességkorlátozások
A DeepSeek R1 multitasking teljesítménye nem olyan robusztus, mint elődje, a DeepSeek V3, különösen olyan összetett feladatokban, mint a funkcióhívás, a több forduló interakció és a JSON kimenet. Ez azt jelzi, hogy bár képes kezelni a különféle feladatokat, hatékonysága bonyolultabb forgatókönyvekben csökken, amelyek több lépésben vagy kontextusban tartós érvelést igényelnek [1].Nyelvkeverési problémák
A modell elsősorban az angol és a kínai nyelvre van optimalizálva, ami más nyelvek lekérdezéseinek feldolgozásakor nyelvkeveréshez vezethet. Ez olyan kimeneteket eredményez, amelyek nem igazodhatnak a felhasználó elvárásaihoz vagy a lekérdezés tervezett nyelvéhez, ezáltal bonyolítva a szélesebb közönség számára való felhasználhatóságát [1] [4].érzékenység a kérés iránt
A DeepSeek R1 nagy érzékenységet mutat a utasítások felépítésével szemben. Rosszul teljesít, néhány lövéssel, amelyek elősegítő technikákkal, amelyek gyakran rontják a kimeneti minőséget. Ehelyett javasoljuk, hogy a nulla lövés felszólítást használja egyértelmű és tömör utasításokkal az optimális teljesítmény érdekében. Ez az érzékenység akadályozhatja alkalmazkodóképességét a különböző feladatok és a felhasználói bemenetek között [2] [8].hatékonysági aggályok
A modellnek a megerősítés tanulásának (RL) folyamatok során a hatékonysággal kapcsolatos kihívásokkal kell szembenézniük, különösen a szoftverfejlesztési feladatokban. Az RL képzéssel kapcsolatos hosszú értékelési idők miatt a DeepSeek R1 nem volt szignifikánsan felülmúlta a korábbi modelleket ezen a területen. A jövőbeni fejlesztések várhatóan ezeknek a hatékonysági kérdéseknek az olyan módszerekkel, mint az elutasító mintavétel és az aszinkron értékelések révén kezelik [1] [7].Kimeneti minőség és érvelési mélység
Míg a DeepSeek R1 egy gondolati megközelítés láncát alkalmazza, amely lehetővé teszi a reflektív érvelést, ez néha szóbeli és rendetlen kimenetekhez vezethet. A modell küzdhet a koherencia fenntartásával a komplex problémamegoldás során, ami olyan kimeneteket eredményez, amelyek szokatlannak vagy céltalannak érzik magukat. Ez a tulajdonság csökkentheti a válaszok tisztaságát és hasznosságát [2] [3].Összefoglalva: míg a DeepSeek R1 jelentős előrelépést jelent a nagy nyelvi modellek érvelési képességeiben, a multitasking képességeit a bonyolultságkezeléssel, a nyelvfeldolgozással, az azonnali érzékenységgel, az adott tartományok hatékonyságával és a kimeneti koherenciával kapcsolatos kérdések korlátozzák.
Idézetek:[1] https://arxiv.org/html/2501.12948v1
[2] https://www.qodo.ai/blog/qodo-dds-self-hosted-support-for-deepseek-r1/
[3] https://www.reddit.com/r/localllama/comments/1i7fjqm/deepseek_r1_is_unusable_imho/
[4] https://www.hindustantimes.com/world-news/us-news/deepseek-ai-chinas-deepseek-r1-low-data-data-sististant-smact-wall-dreet-global-global -101737978272938.html
[5] https://github.com/deepseek-ai/deepseek-r1/issues/26
[6] https://www.linkedin.com/pulse/deepseek-revolutionizing-a-open-source-deason-20-ramachandran-xakme
[7] https://adasci.org/mastering-llms-deason capability-with-deepseek-r1/
[8] https://www.prompthub.us/blog/deepseek-r--model-overview-and-how-it-tanks-against-openais-o1
[9] https://www.vellum.ai/blog/the-thraining-of-deepseek-r1-and-ways-touse-it