Дистилляция DeepSeek-R1
11 сентября 2026 г. · источник: @stuffyNLP
Дистилляция DeepSeek-R1 Сегодня разберём, как DeepSeek-R1 на 671B параметров дистиллировали в модель на 32 миллиарда параметров. Зачем вообще это нужно? Вышедшая в сентябре 2024 года o1 доказала, что test-time scaling работает — если дать модели подумать, то…
Первоисточники
Материал — краткий обзор публичной публикации со ссылкой на оригинал.
Разбор в работе — страница скрыта от поиска, пока его нет.