DeepSeek 推理 RL 训练受赞，规避模型废话与幻觉
teortaxesTex · x · 2026-07-31
评论指出，不成熟的推理强化学习（RL）往往会导致模型出现字数膨胀、信息密度下降（尤其在小模型上）以及严重的幻觉问题。作者认为 DeepSeek 成功避开了这些陷阱，其 RL 技术属于世界顶尖水平，而 Anthropic 等厂商有时则难以完全规避。
「模型」频道最新
- DeepSeek 展现自主拆解能力，无需提示即用 subagent — teortaxesTex · 2026-07-31
- DeepSeek V4长上下文表现受限，全压缩层设计或是短板 — bookwormengr · 2026-07-31
- 同价位大模型实测：DeepSeek V4-Flash 多模态胜过 GPT-5.6 Luna — teortaxesTex · 2026-07-31
- DeepSeek V4-Flash 性能暴涨，或因 V4-Pro 充当 RL 教师 — teortaxesTex · 2026-07-31
- 实测对比：o3 在 OSINT 任务中表现依然强悍 — bytebot · 2026-07-31
- 曝 Gemini 3.5 Pro 或于本周末发布 — gaganghotra_ · 2026-07-31