DeepSeek 將 deepseek-chat 升級至 DeepSeek-V2-0628
DeepSeek 將 deepseek-chat 升級至 DeepSeek-V2-0628，並稱模型的推理能力有所提升。HumanEval Pass@1 由 79.88% 升至 84.76%，MATH ACC@1 由 55.02% 升至 71.02%，BBH 由 78.56% 升至 83.40%。
#DeepSeek
#DeepSeek
今日 9 條DeepSeek：API 更新日誌AI 評分7171
DeepSeek：API 更新日誌AI 評分5555 DeepSeek-Coder 升級至 DeepSeek-Coder-V2-0614，編碼能力顯著提升
DeepSeek 將 deepseek-coder 升級至 DeepSeek-Coder-V2-0614，編碼能力顯著提升。其程式碼生成、理解、除錯及補全能力達到 GPT-4-Turbo-0409 水平，數學與推理能力出色，通用能力則與 DeepSeek-V2-0517 相當。
DeepSeek：API 更新日誌AI 評分6060 深度求索（DeepSeek）將 deepseek-chat 升級至 DeepSeek-V2-0517
DeepSeek 將 deepseek-chat 升級至 DeepSeek-V2-0517，IFEval Benchmark Prompt-Level 準確率由 63.9% 升至 77.6%。
Hugging Face Blog精選AI 評分6060 甚麼令對話智能體有用？
Hugging Face Blog 梳理對話智能體的訓練方法，涵蓋 IFT、SFT、RLHF 和 CoT。文中指出，IFT 所需指令數據僅為數百例量級，SFT 以人工標註改善有用性和安全性，RLHF 則根據人類偏好訓練獎勵模型，再用強化學習訓練對話智能體。
推薦理由：文章把 IFT、SFT、RLHF 與 CoT 放在對話智能體訓練脈絡中梳理，並比較多個系統的訓練資料和評估方向，呈現各方法的分工。