久产久精九国品大象，加克波：很高兴现在回到左边锋位置；刚来时适应新位置很困难

久产久精九国品大象

而DeepSeek-R1在训练过程中直接跳过了这个环节，进入了“强化学习”阶段，探索大模型在没有任何监督数据的情况下，通过纯强化学习进行自我进化。他们要求大模型必须要把思考过程写出来，通过“奖励”引导这个“学生”找到最佳方案。

但值得一提的是，从总股数来看，伯克希尔哈撒韦正在削减对该公司的头寸，去年对抛售了部分股票，根据其 13F 文件，截至第三季度末，伯克希尔持有总股数由1.07亿股降至 8640 万股，持股量减少了近 20%。，加克波：很高兴现在回到左边锋位置；刚来时适应新位置很困难

“可能大家会觉得机器人形象机械又呆板（只有骨架，去掉皮肤）。但这其实是演出团队精心设计的巧思，就是为了与灵动的舞蹈艺术家形成强烈的反差。”相关负责人说，这种反差感不仅没让表演违和，反而让整个表演更具张力，机器人们一亮相就牢牢抓住了观众的目光。

但岳云鹏也确实创新了，上演了沉浸式说相声，也就是与现场观众的互动，让台下的观众也参与进来，成为捧哏，可结果呢，不还是那三板斧，还是老套的内容。

而在最新发布的DS-R1中，DeepSeek采用了创新性的GRPO（组相关策略优化）强化学习方法，无需庞大的人类标注数据库。通过让模型自主生成并验证结果的方式，R1展现出了强大的推理能力。随着训练步数增加，其思维链（Chain-of-Thought，CoT）的长度不断增长，模型甚至开始在推理过程中进行自我反思。

推出后不久，R1就凭借其出色的性能、开源的性质、大幅下降的售价和训练成本获得了广泛关注。更令市场惊讶的是，据DeepSeek介绍，R1的预训练费用只有557.6万美元，在2048块英伟达H800 GPU（针对中国市场的低配版GPU）集群上运行55天完成。

过去这一年，我们分享了好多实用穿搭干货、提升审美的时尚科普、好物推荐等等。也经常有小伙伴说，怎么也找不到哪篇推送，今天，我们干脆把过去一年写的推文都分类整理好了，方便大家在过年的时候尽情翻阅，说不定还能发现不少之前错过的精彩。