DeepSeek:自反馈强化学习提升端到端项目开发能力
deepseek_ai · x · 2026-10-17
DeepSeek 介绍 V4.1-Flash-1017 的训练方法:采用带自反馈的强化学习(reinforcement learning with self-feedback)来提升端到端项目开发能力,覆盖从游戏开发到 3D 建模的完整项目构建,并附演示视频。
所属事件:DeepSeek 发布开源 V4.1-Flash-1017：多基准刷新纪录(9 条相关)→
「模型」频道最新
- JevBench 四天新增 34 款决策模型，kettei-fat 登顶榜首 — airesearch12 · 2026-10-17
- Reddit 用户吐槽 gpt-6.1-sol Ultrafast 吞吐量跌至普通档约 65 tok/s — thepriceisright__ · 2026-10-17
- Diffusion Gemma 宣称文本生成提速 4 倍，扩散 LLM 或取代自回归 — NandoDF · 2026-10-17
- Perplexity 自研 pplx-decider 零重排监督训练，附内部评测 prompt — bo_wangbo · 2026-10-17
- 实测 Anthropic code-review skill:Opus 5.5 多修 5.5 个 bug 且成本反降 — PawelHuryn · 2026-10-17
- Epoch AI:开源模型网络安全能力落后闭源前沿约 6-7 个月 — morqon · 2026-10-17