DeepSeek stellt neue KI-Reasoning-Methode vor, während die Erwartungen an das nächste Modell steigen

Das chinesische KI-Startup DeepSeek hat eine neue Denkweise vorgestellt, während der Markt weiterhin die Veröffentlichung seines Modells der nächsten Generation erwartet. Berichten zufolge hat das Unternehmen gerade einen neuartigen Ansatz eingeführt, der die Denkfähigkeiten von Large Language Models (LLMs) verbessern wird, während die Öffentlichkeit auf die Veröffentlichung seines neuen Modells wartet.

Laut Berichten enthüllte ein kürzlich veröffentlichtes Papier, dass das Kunststück durch eine Zusammenarbeit zwischen Forschern der Tsinghua-Universität und dem KI-Startup erreicht wurde. Laut dem Papier konnte DeepSeek eine Technik entwickeln, die Methoden kombiniert, die als generatives Belohnungsmodellierung (GRM) und selbstprinzipielle Abstimmung bezeichnet werden. Der duale Ansatz wird es LLMs ermöglichen, bessere und schnellere Ergebnisse für allgemeine Anfragen zu liefern.

DeepSeek enthüllt neue KI-Denkweise

Laut den Forschern konnten die resultierenden DeepSeek-GRM-Modelle bestehende Methoden übertreffen und erreichten eine wettbewerbsfähige Leistung im Vergleich zu starken öffentlichen Belohnungsmodellen. Belohnungsmodellierung ist ein Prozess, der einem LLM hilft, menschliche Präferenzen zu bestimmen. Die Forscher erwähnten, dass das KI-Startup beabsichtigt, die GRM-Modelle quelloffen zu machen, aber das Unternehmen hat noch keinen Zeitplan für die Entwicklung bekannt gegeben.

Die veröffentlichte akademische Forschungsarbeit kommt nach Spekulationen über den potenziellen nächsten Schritt des Startups, nachdem es globale Aufmerksamkeit durch sein DeepSeek V3-Grundmodell und sein R1-Denkmodell gesammelt hatte. Zu diesem Zeitpunkt erlangte das R1-Modell, das Anfang dieses Jahres veröffentlicht wurde, an Popularität, nachdem festgestellt wurde, dass es besser abschnitt als einige ältere Modelle, einschließlich von OpenAIs erstem ChatGPT-Modell.

Die Veröffentlichung des R1-Modells überraschte auch das Silicon Valley, zumal das Modell quelloffen war und mit einem Bruchteil der Kosten anderer KI-Modelle abgeschlossen wurde. Während die Aufmerksamkeit nachzulassen scheint, gab es bemerkenswerte Fortschritte bei rivalisierenden Unternehmen in der KI-Branche, was zeigt, dass der Wettbewerb in diesem Sektor von historischer Bedeutung ist.

Ein Reuters-Bericht vom letzten Monat erwähnte jedoch, dass DeepSeek-2, der Nachfolger des weltweit gefeierten R1, möglicherweise in Arbeit ist. Berichten zufolge könnte das Unternehmen planen, es gegen Ende dieses Monats zu veröffentlichen, um von seinem wachsenden Profil in der KI-Branche zu profitieren. DeepSeek hingegen hat sich bezüglich des R2-Modells sehr zurückhaltend gezeigt und auf offiziellen öffentlichen Kanälen geschwiegen, wobei ein Kundenservice-Konto das Gerücht gegenüber Geschäftskunden dementierte, so Berichte.

Die Entwicklung am V3-Modell läuft weiter

DeepSeek, mit Sitz in Hangzhou, wurde 2023 vom Unternehmer Liang Wenfeng gegründet und stand in den letzten Monaten aus den richtigen Gründen im globalen Rampenlicht. Das Unternehmen hat jedoch öffentliche Kommunikation verweigert und sich entschieden, all seine Zeit und Energie in Forschung und Entwicklung zu stecken. Während noch abzuwarten ist, was das Unternehmen für die KI-Branche bereithält, hat es sicherlich an der Hinterbühne gearbeitet, dank Gerüchten.

Letzten Monat kündigte das Unternehmen eine Entwicklung an, an der es gearbeitet hat, und präsentierte der Welt sein aktualisiertes V3-Modell namens DeepSeek-V3-0324. Laut dem Unternehmen bot das aktualisierte Modell „verbesserte Denkfähigkeiten, optimierte Frontend-Webentwicklung und verbesserte chinesische Schreibkenntnisse“. Im Februar gab das Unternehmen fünf seiner Code-Repositories aus, sodass Entwickler sie überprüfen und zu seiner Softwareentwicklung beitragen konnten. Das Startup erwähnte, dass es „ehrliche Fortschritte mit voller Transparenz“ machen würde.

Im selben Monat veröffentlichte Liang eine technische Studie über native sparse attention, eine Methode zur Verbesserung der Effizienz von LLMs bei der Verarbeitung großer Datenmengen. Der 40-jährige Liang ist auch Gründer von High-Flyer Quant, der Mutterfirma von DeepSeek, des Hedgefonds, der die finanzielle Stärke bereitgestellt hat, um die technischen Fortschritte des KI-Startups zu finanzieren. Ende Februar war der Unternehmer Teil eines Symposiums, das Tech-Unternehmer zusammenbrachte, wobei Chinas Präsident Xi Jinping sie empfing. Der Präsident pries das Startup als Zeichen der Widerstandsfähigkeit des Landes angesichts der Versuche der USA, Chinas KI-Fortschritte einzudämmen.