Deepseek-R1-Zero, zatiaľ čo preukazuje významný pokrok v schopnostiach zdôvodnenia prostredníctvom posilňovacieho učenia, má niekoľko významných obmedzení:
** Problémy s miešaním jazykov a koherenciou: Jednou z hlavných výziev je tendencia modelu vytvárať výstupy, ktoré kombinujú jazyky, najmä angličtinu a čínštinu. To má za následok odpovede, ktoré môžu byť nekoherentné alebo ťažko pochopiteľné, najmä ak je vstupný dotaz v jednom jazyku [1] [4].
** Zlá čitateľnosť: Čítateľnosť výstupov modelu je často ohrozená. Používatelia uviedli problémy s formátovaním a jasnosťou, čo sťažuje dodržiavanie procesu zdôvodňovania alebo konečné odpovede poskytnuté modelom [3] [5].
** Nedostatok dohľadu s jemným doladením: Deepseek-R1-Zero bol vyvinutý bez počiatočného doladenia pod dohľadom, čo obmedzuje jeho schopnosť vytvárať plne leštené a ľudské výstupy. Táto neprítomnosť vylepšenia môže viesť k menej spoľahlivým reakciám v porovnaní s modelmi, ktoré zahŕňajú učebné techniky pod dohľadom [1] [3].
** Nekonečné opakovanie: Model niekedy vykazuje opakované správanie vo svojich reakciách, ktoré môže znižovať celkovú skúsenosť používateľa a efektívnosť komunikácie [5] [7].
** Variabilita výkonnosti úloh v oblasti kódovania: Aj keď Deepseek-R1-Zero vykazuje silný výkon pri odôvodnení úloh, má zle na základe problémov s kódovaním, čo naznačuje, že jeho schopnosti nemusia byť také robustné vo všetkých typoch úloh [1] [2].
Tieto obmedzenia vyvolali ďalšie úsilie o rozvoj, čo viedlo k vytvoreniu Deepseek-R1, ktorej cieľom je riešiť tieto nedostatky začlenením techník pod dohľadom a zlepšením celkového výkonu.
Citácie:[1] https://www.prompthub.us/blog/deepseek-r-1-model-model-wow-and-how-it----------- ranks-against-openais-o1
[2] https://arxiv.org/html/2501.12948v1
[3] https://www.gocodeo.com/post/deepseek-r1-d1-and-deepseek-r1-zero
[4] https://myedgettech.com/deepseek-r1-tr/
[5] https://huggingface.co/deepseek-ai/deepseek-r1-zero
[6] https://adasci.org/mastering-llms-reasoning-capability-with-deepseek-r1/
[7] https://www.datacamp.com/blog/deepseek-r1
[8] https://arxiv.org/pdf/2501.12948.pdf