Deepseek démontre des performances supérieures sur Chatgpt dans des scénarios d'apprentissage zéro dans des conditions spécifiques. Voici les domaines clés où Deepseek excelle:
Capacités de raisonnement améliorées
Les modèles Deepseek, en particulier Deepseek R-1 et R-1-Zero, ont montré des améliorations significatives des tâches de raisonnement par rapport à Chatgpt. Dans des repères tels que l'AIME et le GPQA, Deepseek R-1-Zero a surpassé le modèle O1 d'OpenAI, atteignant un laissez-passer @ 1 précision de 71,0%, ce qui peut être encore augmenté à 86,7% avec des techniques de vote majoritaire [1] [2]. Cela indique que Deepseek est particulièrement apte aux tâches nécessitant un raisonnement logique sans exemples antérieurs.Gestion des connaissances spécifiques au domaine
L'architecture de Deepseek comprend des modules spécialisés pour divers domaines, tels que les mathématiques et le codage. Ces modules lui permettent de mieux fonctionner dans des contextes techniques par rapport à Chatgpt, qui est plus généralisé. Dans des tests spécifiques, Deepseek V3 a surpassé le chatppt dans des scénarios d'apprentissage zéro, en particulier dans les tâches de raisonnement mathématique et de programmation [3] [4].Sensibilité aux techniques d'incitation
Des modèles Deepseek ont été observés pour mieux fonctionner avec une invitation à zéro plutôt qu'à une invitation à quelques coups. Cela contraste avec Chatgpt, où les contextes à quelques coups peuvent améliorer les performances. La recommandation pour Deepseek est d'utiliser des instructions claires et concises dans un paramètre zéro pour des résultats optimaux, qui s'aligne sur les résultats de la recherche de Microsoft sur les modèles de raisonnement [1] [2].L'apprentissage et l'adaptation
Le processus de formation de Deepseek R-1-Zero lui permet de développer de manière autonome des comportements de raisonnement sophistiqués. Au fil du temps, il apprend à s'auto-corriger et à valider ses propres résultats, conduisant à une précision améliorée dans des tâches de raisonnement complexes [1]. Cette capacité d'auto-amélioration est un avantage notable dans les scénarios zéro-shot où le modèle doit générer des réponses sans contexte antérieur étendu.En résumé, Deepseek surpasse Chatgpt dans un apprentissage zéro principalement en raison de ses capacités de raisonnement améliorées, de la gestion des connaissances du domaine spécialisée, de ses techniques d'incitation efficaces et de ses mécanismes d'auto-apprentissage robustes. Ces facteurs le rendent particulièrement adapté aux tâches nécessitant une cohérence logique et une précision technique.
Citations:[1] https://www.prompthub.us/blog/deepseek-r-1-model-overview-and-how-it-ranks-against-openais-oo1
[2] https://prompthub.substack.com/p/have-the-chinese-Overtaken-openai
[3] https://frontend-snippets.com/blog/deepseek-vs-chatgpt-which-large-language-model-leads-ai
[4] https://aclanthology.org/2024.emmlp-main.408.pdf
[5] https://www.youtube.com/watch?v=7hccf8nm8nm
[6] https://news.ycombinator.com/item?id=42823568
[7] https://www.reddit.com/r/localllama/comments/1i9txf3/deepseek_is_way_better_in_python_code_generation/
[8] https://arxiv.org/html/2405.04434v4