हाल ही में, 360 दिमाग टीम ने Deepseek के सुदृढीकरण अधिगम प्रभाव को सफलतापूर्वक दोहराने की घोषणा की और आधिकारिक तौर पर ओपन-सोर्स अनुमान मॉडल Light-R1-14B-DS जारी किया। यह मॉडल DeepSeek-R1-Distill-Llama-70B और DeepSeek-R1-Distill-Qwen-32B से बेहतर प्रदर्शन करता है, जो 14B पैरामीटर पैमाने पर सुदृढीकरण अधिगम प्रभाव को प्राप्त करने वाला उद्योग का पहला मॉडल है, जिससे गणितीय तर्क क्षमता में उल्लेखनीय वृद्धि हुई है, और अधिकांश 32B स्तर के मॉडल को पार कर गया है।

{1:गोरिल्ला कार्य योजना ने 42 वर्षीय चिम्पांजी कान्ज़ी को 'माईक्राफ्ट' खेलने के लिए सफलतापूर्वक प्रशिक्षित किया, प्रशिक्षण विधि GPT-4 बुद्धिमत्ता के प्रशिक्षण के समान है।2:प्रशिक्षण के दौरान संदर्भ सुदृढीकरण शिक्षण, RLHF, अनुकरण शिक्षण और पाठ्यक्रम शिक्षण जैसी तकनीकों का उपयोग किया गया।3:गोरिल्ला की सीखने की क्षमता AI बुद्धिमत्ता से अधिक है, जिससे यह प्रदर्शित होता है कि जानवरों में नई परिस्थितियों के अनुकूलन और समझने की क्षमता है।}