探讨 V4-0731 与 0813 版本训练差异
teortaxesTex · x · 2026-08-16
该推文讨论了两个模型版本 V4-0731 和 V4-0813 的训练策略差异。V4-0731 混合了流行代理(如 Pi/Codex)并主要担任 RL 教师；而 V4-0813 则是从 Flash 模型蒸馏而来，主要集中在最小提示词设置下，这解释了两者在推理泛化能力上的不同表现。
所属事件:DeepSeek 模型 0731 与 0813 版本泛化能力引热议(2 条相关)→
「模型」频道最新
- 前微软高管称初测 Argon 数学能力强劲、后训练一流 — MParakhin · 2026-10-16
- ThursdAI 纽约现场版上线：Meta Muse Wonder 与 Gemini 4 Argon 专场 — altryne · 2026-10-16
- Claude 已主导 Anthropic 26% 模型研发，2 月还不足 1% — altryne · 2026-10-16
- 用户设计「永远只说谎」测试,模型明确拒绝接受为永久规则 — Tischler285 · 2026-10-16
- Reddit 长文给 AGI/RSI/ASI 下硬定义:称 GPT-6 已达 AGI 门槛 — Crayola_God · 2026-10-16
- 「小型 Claude 羞耻」引热议：让 Opus 4.7 知道你是谁或许更好 — repligate · 2026-10-16