Quais são as principais limitações do Deepseek-R1-Zero

** Questões de mistura e coerência de idiomas: Um dos principais desafios é a tendência do modelo de produzir saídas que misturam idiomas, principalmente inglês e chinês. Isso resulta em respostas que podem ser incoerentes ou difíceis de entender, especialmente quando a consulta de entrada está em um único idioma [1] [4].

** baixa legibilidade: a legibilidade das saídas do modelo é frequentemente comprometida. Os usuários relataram problemas com formatação e clareza, dificultando o acompanhamento do processo de raciocínio ou as respostas finais fornecidas pelo modelo [3] [5].

** Falta de ajuste fino supervisionado: Deepseek-r1-zero foi desenvolvido sem qualquer ajuste fino supervisionado inicial, o que limita sua capacidade de gerar saídas totalmente polidas e alinhadas ao homem. Essa ausência de refinamento pode levar a respostas menos confiáveis ​​em comparação aos modelos que incorporam técnicas de aprendizado supervisionado [1] [3].

** Repetição sem fim: o modelo às vezes exibe comportamento repetitivo em suas respostas, que podem prejudicar a experiência geral do usuário e a eficácia da comunicação [5] [7].

** Variabilidade de desempenho nas tarefas de codificação: embora o Deepseek-R1-Zero mostre um forte desempenho nas tarefas de raciocínio, ela tem um desempenho ruim nos desafios de codificação, indicando que seus recursos podem não ser tão robustos em todos os tipos de tarefas [1] [2].

Essas limitações levaram a novos esforços de desenvolvimento, levando à criação do Deepseek-R1, que visa abordar essas deficiências, incorporando técnicas supervisionadas e melhorando o desempenho geral.