Nghiên cứu cảnh báo kỹ thuật tiết kiệm bộ nhớ của DeepSeek có thể làm giảm độ chính xác mô hình

Tóm tắt bằng AI từ phần nội dung bài gốc đọc được.

1. 1Một nghiên cứu mới đã chỉ ra lỗ hổng tiềm ẩn trong công nghệ tiết kiệm bộ nhớ của DeepSeek, đặt ra thách thức đối với cách tiếp cận chi phí thấp vốn giúp phòng thí nghiệm AI Trung Quốc thu hẹp khoảng cách với OpenAI và Anthropic.
2. 2Báo cáo nghiên cứu được công bố vào cuối tháng trước bởi nhóm tác giả dẫn đầu từ ByteDance cùng các nhà nghiên cứu thuộc Đại học Princeton, Stanford và Đại học California, Berkeley.
3. 3Nghiên cứu chưa qua bình duyệt này cho biết nỗ lực giảm bộ nhớ để xử lý văn bản đầu vào dài có thể phải đánh đổi bằng độ tin cậy, khiến mô hình dễ bỏ sót thông tin tùy theo vị trí xuất hiện trong tài liệu.
4. 4Các nhà nghiên cứu nêu ví dụ việc thêm văn bản không liên quan vào trước cùng một đoạn mã máy tính đã làm suy giảm khả năng chọn câu trả lời đúng của DeepSeek, đồng thời hiện tượng này xuất hiện trên DeepSeek-V4, V4.1 và mọi mô hình nén được thử nghiệm.

Nguồn: scmp

Bản tóm tắt dựa trên các phần nguồn đọc được.