Hiệu suất của Deepseek-R1 trên điểm chuẩn AIME 2024 là đáng chú ý, vì nó đạt 79,8%, trước Openai O1-1217, đạt 79,2%[1]. Tuy nhiên, có sự so sánh trực tiếp hạn chế có sẵn giữa Deepseek-R1 và GPT-4O-0513 cụ thể trên điểm chuẩn AIME 2024.
Các mô hình GPT-4O thường được biết đến với hiệu suất mạnh mẽ của chúng trong các nhiệm vụ khác nhau, nhưng kết quả cụ thể cho GPT-4O-0513 trên AIME 2024 không được trình bày chi tiết trong thông tin có sẵn. Các mô hình GPT-4O thường mạnh mẽ trong việc hiểu ngôn ngữ và các nhiệm vụ tạo ra, nhưng hiệu suất của chúng đối với các điểm chuẩn lý luận toán học chuyên ngành như AIME có thể thay đổi so với các mô hình được tối ưu hóa cụ thể cho các nhiệm vụ như vậy, như DeepSeek-R1.
Hiệu suất mạnh mẽ của DeepSeek-R1 trên AIME 2024 có thể được quy cho kiến trúc của nó, kết hợp học tập củng cố quy mô lớn để tăng cường khả năng lý luận. Cách tiếp cận này cho phép nó vượt trội trong các nhiệm vụ đòi hỏi lý luận toán học nhiều bước nâng cao [1] [3]. Ngược lại, các mô hình GPT-4O được khái quát hơn và có thể không có cùng mức độ chuyên môn hóa trong các nhiệm vụ lý luận toán học.
Nhìn chung, trong khi DeepSeek-R1 thể hiện hiệu suất vượt trội trên AIME 2024 so với OpenAI O1-1217, so sánh trực tiếp với GPT-4O-0513 không được cung cấp rõ ràng trong dữ liệu có sẵn. Tuy nhiên, đào tạo và kiến trúc chuyên môn của Deepseek-R1 có thể góp phần thể hiện mạnh mẽ của nó trong các điểm chuẩn lý luận toán học.
Trích dẫn:
[1] https://www.datacamp.com/blog/deepseek-r1
.
[3] https://docsbot.ai/models/compare/gpt-4o-2024-05-13/deepseek-r1
[4] https://artificialanalysis.ai/models/deepseek-r1
[5] https://docsbot.ai/models/compare/deepseek-r1/gpt-4o
[6] https://llm-stats.com/models/compare/deepseek-r1-vs-gpt-4o-2024-08-06
[7] https://www.prompthub.us/blog/deepseek-r-1-model-overview-and-how-it-ranks-against-openais-o1
[8] https://docsbot.ai/models/compare/gpt-4o/deepseek-r1