第十四代英特尔@酷睿™ 处理器:性能飞跃,重塑计算新体验iPhone 16 Pro Max立减500元 来京东618领3C数码消费券下单更优惠微星游戏本新品5060/5070配置上市,神影/星影系列国补爆款抢先购!职业选手同款至高省50% 京东电竞键鼠三重补贴引爆极致性价比学习机买贵双倍赔 全网不怕比 入手学习机认准京东618京东3C数码618开门红1小时呈爆发式增长 上万个趋势单品增长超10倍iPhone 16 618购机指南:京东国补覆盖更广 同款机型比天猫便宜400元京东618百万份“AI加油包”助你提升职场效率 1分钱即可获得心仪大奖用AI告别每日2小时繁琐工作 京东618推出百万份AI加油包助用户全面提效羊毛党带路!在京东618用“京补合约”下单iPhone 16 Pro只要83元!5月30日晚8点来京东618用“京补合约”下单 超6000元手机也能享国补华为nova 14 Pro仅需3249元 来京东618购手机享国补加倍补壳牌挚美漆面保护膜,全面守护座驾,助力美好出行打造“全球一朵云”,广汽迈入出海3.0时代Nothing Phone(3)将推全新灯语设计,定位首款真旗舰奔驰召回部分进口G级汽车 涉及ESP系统软件问题算力互联网试验网落地纪实:技术突破、标准引领与生态协同纤薄背后 看三星是如何在Galaxy S25 Edge上实现突破的深圳海辰储能柜获TÜV南德CE-LVD认证掠夺者·圣盾7000震撼发布,搭载RTX 5090突破电竞性能新纪元!
  • 媲美OpenAI-o3,刚刚开源模型DeepCoder,训练方法、数据集大公开

    2025年04月09日 10:30:52   来源:AIGC开放社区公众号

      今天凌晨4点,著名大模型训练平台Together AI和智能体平台Agentica,联合开源了新模型DeepCoder-14B-Preview。

      该模型只有140亿参数,但在知名代码测试平台LiveCodeBench的测试分为60.6%,高于OpenAI的o1模型(59.5%),略低于o3-mini(60.9%)。在Codeforces、AIME2024上的评测数据同样非常出色,几乎与o1、o3-mini差不多。

      值得一提的是,Together AI不仅开源了DeepCoder-14B模型权重,还把训练数据集、训练方法、训练日志和优化方法全部公开,帮助开发者更深度的了解这个模型所有开发流程。

      DeepCoder是在Deepseek-R1-Distilled-Qwen-14B基础之上,通过分布式强化学习(RL)进行了微调。

      在开发过程中,研究人员首先构建了一个高质量训练数据集,包含24K个可验证的编程问题:涵盖TACOVerified问题、PrimeIntellect的SYNTHETIC-1数据集中的验证问题等。

      为了确保数据质量,通过程序验证、测试过滤和去重等步骤。程序化验证,每个问题都会使用外部官方解决方案自动进行验证。会过滤数据集,只包含官方解决方案通过所有单元测试的问题。

      测试过滤,每个问题必须至少包含5个单元测试。重复数据删除,删除了数据集中的重复问题,以避免污染。

      在代码强化学习训练中,DeepCoder使用了两种沙盒来运行单元测试并计算奖励。Together Code Interpreter是一个快速高效的环境,与RL训练直接兼容,成本低且可扩展性强,能够支持100多个并发沙盒和每分钟1000多个沙盒执行。

      本地代码沙盒则是一个独立的、受保护的Python子进程,遵循官方LiveCodeBench仓库中的相同评估代码,确保了结果与现有排行榜的一致性。

      在奖励函数设计方面,DeepCoder采用了稀疏结果奖励模型(ORM),避免分配部分奖励,从而防止模型通过奖励黑客行为来获取不准确的奖励信号。

      奖励函数简单而明确:如果生成的代码通过所有采样单元测试,则奖励为1;否则为0。这种设计确保了模型能够专注于生成高质量的代码,而不是通过记忆测试用例来获取奖励。

      为了实现更稳定的训练过程,DeepCoder的训练采用了GRPO+,这是对原始GRPO算法的改进版本。

      通过消除熵损失和KL损失、引入过长过滤和上限裁剪等技术,GRPO+使得模型在训练过程中能够保持稳定的熵值,避免训练崩溃,并且能够更自然地生成较长的输出,从而提高了模型的推理能力。

      此外,DeepCoder-14B-Preview采用了迭代上下文扩展技术,使模型能够从较短的上下文长度开始学习,然后逐步泛化到更长的上下文。该模型的上下文窗口从16K扩展到32K,最终在64K上下文中评估时达到了60.6%的准确率。

      为了加速端到端的RL训练,DeepCoder团队引入并开源了verl-pipeline,这是verl的一个优化扩展。通过一次性流水线技术,DeepCoder实现了训练、奖励计算和采样的完全流水线化。

      同时,奖励计算与采样交错进行,减少了奖励评估的开销。这些优化使得训练时间减少了2倍,特别是在需要运行数千个测试用例的编码任务中,显著提高了训练效率。

      虽然DeepCoder刚开源但评价非常高,网友表示,这相当令人惊讶。它不仅是真正意义上的开源,而且他们还对广义信赖域策略优化算法(GRPO)进行了多项改进,并且在训练过程中为采样流水线增添了额外的效率提升。

      太厉害了!等不及这款模型在Ollama平台上体验了。

      圣诞节提前到来了。

      传奇!开源就应该这样。

      关于Together AI

      Together AI成立于2022年,主打云大模型平台支持超过200种开源AI模型,包括Llama系列、DeepSeek-R1等,并优化了高速推理和模型训练的基础设施。目前拥有超过3.6万块GB200NVL72组成的超大GPU算力群。

      此外,Together AI还提供模型微调、Agent智能自动化工作流和合成数据生成等,为大企业提供底层服务。

      前不久,Together AI刚获得3.05亿美元的B轮融资,其估值也从去年的12.5亿美元翻倍至33亿美元。

      文章内容仅供阅读,不构成投资建议,请谨慎对待。投资者据此操作,风险自担。

    即时

    新闻

    明火炊具市场:三季度健康属性贯穿全类目

    奥维云网(AVC)推总数据显示,2024年1-9月明火炊具线上零售额94.2亿元,同比增加3.1%,其中抖音渠道表现优异,同比有14%的涨幅,传统电商略有下滑,同比降低2.3%。

    企业IT

    重庆创新公积金应用,“区块链+政务服务”显成效

    “以前都要去窗口办,一套流程下来都要半个月了,现在方便多了!”打开“重庆公积金”微信小程序,按照提示流程提交相关材料,仅几秒钟,重庆市民曾某的账户就打进了21600元。

    3C消费

    华硕ProArt创艺27 Pro PA279CRV显示器,高能实力,创

    华硕ProArt创艺27 Pro PA279CRV显示器,凭借其优秀的性能配置和精准的色彩呈现能力,为您的创作工作带来实质性的帮助,双十一期间低至2799元,性价比很高,简直是创作者们的首选。