DeepSeek V4.1 Flash 后训练全靠数据:合成多智能体轨迹加 checkpoint 合并
nrehiew_ · x · 2026-09-11
nrehiew 解读 DeepSeek V4.1 Flash 技术报告的后训练部分:
- 数据驱动:agent 轨迹首次明确由真实合作伙伴使用模式启发,通过系统中多个 agent 合成生成数据
- checkpoint 合并:将不同 scaffold 和配置的训练 run 合并 checkpoint,带来「免费」的性能提升
- 后训练哲学:如今完全以数据为中心,而非训练算法研究
结论:DeepSeek 的路线已从算法创新转向对数据配方和工程细节的极致打磨。
所属事件:DeepSeek V4.1 Flash 技术报告流出：死磕 KV cache 压缩(44 条相关)→
「模型」频道最新
- 前 Google 研究员团队发布 Fern 0.1:专供审计数据、调试训练的模型 — bneyshabur · 2026-10-26
- Fern 0.1 智能体基准首秀:SWE-Bench Verified 73.4,与前沿模型仍有差距 — bneyshabur · 2026-10-26
- Fern 团队提出「上下文即智能」:预测精度随上下文增至 1000 万 token 持续提升 — bneyshabur · 2026-10-26
- Mirendil 发布首个自研预训练模型 Fern,上下文最长 1000 万 token — bneyshabur · 2026-10-26
- 网友发现 Claude 疑似上线专用翻译界面 — BLCNYY · 2026-10-26
- 用户实测 GrokBot:订机票、网购全被拦,几乎办不成事 — lucasmeijer · 2026-10-26