DeepSeek-R1-Zero, lai arī, izmantojot pastiprināšanas mācīšanos, demonstrējot ievērojamus sasniegumus argumentācijas spēju, ir vairāki ievērojami ierobežojumi:
** Valodu sajaukšana un saskaņotības jautājumi: Viens no galvenajiem izaicinājumiem ir modeļa tendence radīt rezultātus, kas sajauc valodas, jo īpaši angļu un ķīniešu valodu. Tas rada atbildes, kuras var būt nesakarīgas vai grūti saprotamas, it īpaši, ja ievades vaicājums ir vienā valodā [1] [4].
** Slikta lasāmība: bieži tiek kompromitēta modeļa izejas lasāmība. Lietotāji ir ziņojuši par formatēšanas un skaidrības problēmām, apgrūtinot argumentācijas procesa vai galīgās atbildes, ko sniedz modelis [3] [5].
** Pārraudzītas precizēšanas trūkums: DeepSeek-R1-nulle tika izstrādāta bez sākotnējas uzraudzītas precizēšanas, kas ierobežo tā spēju radīt pilnībā slīpētu un cilvēka izlīdzinātu rezultātu. Šis uzlabošanas trūkums var izraisīt mazāk ticamu reakciju, salīdzinot ar modeļiem, kas ietver uzraudzītas mācību metodes [1] [3].
** Bezgalīgs atkārtojums: modelim dažreiz ir atkārtota izturēšanās reakcijā, kas var mazināt kopējo lietotāju pieredzi un komunikācijas efektivitāti [5] [7].
** Kodēšanas uzdevumu veiktspējas mainīgums: Lai arī DeepSeek-R1-nulle parāda spēcīgu veiktspēju spriešanas uzdevumos, tas slikti veic kodēšanas izaicinājumus, norādot, ka tā spējas var nebūt tik spēcīgas visos uzdevumu veidos [1] [2].
Šie ierobežojumi ir pamudinājuši turpmākus attīstības centienus, kā rezultātā tika izveidots DeepSEEK-R1, kura mērķis ir novērst šos trūkumus, iekļaujot uzraudzītās paņēmienus un uzlabojot vispārējo sniegumu.
Atsauces:[1.]
[2] https://arxiv.org/html/2501.12948v1
[3] https://www.gocodeo.com/post/deepseek-r1-and-depseek-r1-zero
[4] https://myedgetech.com/deepseek-r1-tr/
[5] https://huggingface.co/deepseek-ai/deepseek-r1-zero
[6.]
[7] https://www.datacamp.com/blog/deepseek-r1
[8] https://arxiv.org/pdf/2501.12948.pdf