面试题库 › 算法 / 大模型 › DeepSeek-R1 的训练流程及与 V2、V3、R1-Zero 的差异

DeepSeek-R1 的训练流程及与 V2、V3、R1-Zero 的差异

难度 ★★★在 2 场真实面经中被问到 方向:算法 / 大模型考点:预训练模型

哪些公司问过

美团1携程1

常见岗位:AI 应用 / Agent 开发、大模型算法

答案要点

  1. V2:MLA + DeepSeekMoE(细粒度专家 + 共享专家)
  2. V3:671B 总参数、约 37B 激活,无辅助损失负载均衡、多 token 预测、FP8 训练
  3. R1-Zero:V3-Base 上纯 RL(GRPO + 规则奖励),无 SFT,推理能力涌现但可读性差
  4. R1 四阶段:冷启动 SFT → 推理 RL → 拒绝采样 + SFT → 全场景 RL
  5. R1 生成的数据还用于蒸馏 Qwen、Llama 系列小模型,仅做 SFT

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题