开源中文DeepSeek-R1（满血）蒸馏数据集-110K

最新推荐文章于 2025-04-03 14:16:20 发布
最新推荐文章于 2025-04-03 14:16:20 发布
阅读量64 收藏
点赞数
分类专栏： # LLM/数据处理&Tokenizer 文章标签： 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/u013250861/article/details/146167602
版权
了解本专栏 订阅专栏 解锁全文 超级会员免费看
如何在个人电脑本地化部署Deepseek-R1大模型
program哲学
02-12 1353
本文主要介绍如何在个人电脑本地部署deepseek r1大模型，同时扩展了deepseek介绍、满血版DeepR1使用方式等内容
中文大模型蒸馏实战：DeepSeek-R1 110K数据集全解析与性能优化指南 | 深度求索AI实验室
理论都是虚的，代码才是王道。
02-20 171
DeepSeek-R1（满血）蒸馏数据集是专为中文NLP任务设计的知识蒸馏训练集，包含110,000条经过多维度优化的样本。
中文大模型微调天花板！110K DeepSeek-R1蒸馏数据集发布，性能稳定100%可用！
qingkahui24689的博客
02-24 943
在如今的大模型微调领域，数据集的获取常常是技术人员面临的一个重大挑战。尽管微调工具和软件越来越容易获得，但数据集的收集工作却常常让人头疼，尤其是对那些缺乏时间和资源的团队而言。今天，我们要分享一个极具价值的中文大模型微调数据集，来自DeepSeek的蒸馏版本，经过精心筛选和清洗，现已开源，供大家直接下载使用。
DeepSeek-R1 蒸馏
不负热爱
02-27 277
蒸馏（Distillation，又称模型蒸馏、数据蒸馏、知识蒸馏等）是一种通过大模型（教师模型）生成或优化训练数据，使小模型（学生模型）能够高效学习的技术，其核心目标是降低训练成本并提升小模型的性能。DeepSeek-R1发布时，也顺便发布了使用其蒸馏数据训练的小参数模型，这些小参数模型在推理性能上也有了很大的提升，也间接证明了DeepSeek-R1模型的推理能力很强，能从其中提炼出高质量的数据。
DeepSeek-R1 蒸馏数据的生成
yaohaishen的专栏
02-05 1236
为了提高生成数据的可读性，研究人员设计了可读的输出格式，并在每个响应的末尾添加了总结部分，帮助用户快速理解推理结果。对于复杂的非推理任务（如写作或事实问答），研究人员调用DeepSeek-V3生成潜在的推理链，然后再生成最终答案。：数据集包括推理任务和非推理任务，涵盖了数学、编码、科学推理、逻辑推理、写作、事实问答、自我认知、翻译等多个领域。过滤掉不符合要求的输出，例如语言混合、长段落、代码块等，只保留正确的推理轨迹。：非推理数据的格式相对简单，通常直接生成答案，而不需要复杂的推理过程。
开源中文DeepSeek-R1（满血）蒸馏数据集-110K，背后的稳定性和精度如何保障？
2401_87329534的博客
03-04 765
登顶Hugging Face Trending榜！无问芯穹和社区共创开源R1中文蒸馏数据集
大模型智能 | 开源中文DeepSeek-R1（满血）蒸馏数据集-110K
csdn_xmj的博客
02-23 737
该数据集为中文开源蒸馏满血R1的数据集，数据集中不仅包含math数据，还包括大量的通用类型数据，总数量为110K。
开源：DeepSeek-R1 蒸馏数据集（110k）
大鹏的专栏
02-20 124
开源：DeepSeek-R1 蒸馏数据集（110k）开源在了 Hugging Face 和 ModelScope 上，有直接SFT使用的版本，可直接下载本数据集为中文开源蒸馏满血R1的数据集，数据集中不仅包含math数据，还包括大量的通用类型数据，总数量为110K。该中文数据集中的数据分布如下：Math：共计36987个样本，Exam：共计2440个样本，STEM：共计12000个样本，General：共计58573，包含弱智吧、逻辑推理、小红书、知乎、Chat等。
本地部署 DeepSeek-R1-671B 满血版大模型
Phyloser的博客
02-17 3430
DeepSeek-R1大模型具备深度思考和推理能力，在数学、代码、自然语言推理等任务上都有着极大的提升。一方面由于官方或第三方的在线服务或多或少存在不稳定的问题，另一方面考虑到数据安全和隐私问题，本地私有化部署DeepSeek开源大模型对个人或企业来说也是一种不错的选择。本文主要介绍完整参数版本 deepseek-r1-671b 模型的部署和测试过程，对 deepseek-v3-671b 以及其他更小参数版本的模型同样适用。
qwq-32b与deepseek-r1满血版的全方位效果对比
maxcode
03-10 208
qwq-32b在性能上与deepseek-r1满血版相当，甚至在某些方面更具优势，如推理速度、硬件适配性和成本效益等。而deepseek-r1满血版则在数学严谨性和执行准确性方面表现更优。选择哪个模型取决于具体的应用需求，如果需要快速响应和较低的运行成本，qwq-32b是更好的选择；如果对推理的准确性和严谨性有更高要求，deepseek-r1满血版可能更适合。
老罗笔记人工智能文字处理软件 Rogabet Notepad 2025-402 1.812
最新发布
rogabet的博客
04-03 552
老罗笔记人工智能文字处理软件
安装ROS1（Noetic）
qq_23022733的博客
04-01 95
wget http://fishros.com/install -O fishros && . fishros
YO-CSA-T：基于上下文与空间注意力的实时羽毛球轨迹追踪系统解析
hasakie的博客
03-31 1017
本文围绕羽毛球轨迹实时追踪问题展开，提出了一种基于改进YOLOv8的检测网络（YO-CSA）和集成多模块的3D轨迹追踪系统。全文结构如下：​摘要提出YO-CSA检测网络，结合上下文与空间注意力机制提升检测精度（mAP@0.75达90.43%）。构建实时3D轨迹追踪系统，集成检测、预测、补偿模块，帧率超130fps。​引言​背景：羽毛球高速飞行、易与环境混淆，传统检测方法精度不足。​挑战：实时性、3D轨迹重建、遮挡补偿。​贡献：轻量化检测网络、多维度时空约束策略、完整系统设计。​相关工作​。
监测预警中心工作流程汇总
形上得其象，形下合于数；阴阳自济，玄理自明。
04-01 185
【代码】监测预警中心工作流程汇总。
毫米波雷达设计：1.原理与分类
qq_53529450的博客
03-31 1254
毫米波雷达
langchain embedding 自定义模型(bge)实现
Python/Java/MySQL技术栈，快来和我一起学习吧 ~
04-02 431
该实现方案在保持 LangChain 兼容性的同时，提供了灵活的自定义能力，可以方便地替换不同的 Transformer 模型，适应各种业务场景需求。
一套AI训推一体化解决方案约等于100万个应用？
weixin_43140076的博客
04-02 423
一套AI训推一体化解决方案，加上开源模型，约等于100万个应用。
利用deepseek直接调用其他文生图网站生成图片
jackyrongvip的专栏
03-31 283
你是一个图像生成助手，请根据我的简单描述，想象并详细描述一幅完整的画面。然后将你的详细描述翻译成英文，并插入到以下链接的{prompt}部分：!描述如下：中国80，90年代的儿童公园。
deepseek残血版
02-21
### DeepSeek 残血版概述 DeepSeek 提供了多种不同参数量级别的模型版本，从1.5b至671b不等。值得注意的是，在这些版本中仅有671b被称为满血版，其余则被认为是基于原有开源模型经过特定数据集微调后的“残血版”。例如，常见的 deepseek-r1:7b 实际上源自 qwen2.5 这样的开源项目，并非直接由 deepseek-r1 蒸馏而来[^1]。 对于希望获取并使用 deepseek 残血版的用户来说，了解具体的操作流程至关重要： #### 获取与安装指导 为了获得 deepseek 的较小规模版本（如32B），通常需要访问官方渠道或其他可信资源站点来下载预训练权重文件以及配套脚本。以 Ollama 官网为例，这里不仅提供必要的二进制文件下载链接，还附带详细的命令行工具指南帮助完成环境配置直至最终部署上线的过程描述[^2]。 ```bash # 假设已经准备好运行环境，则可以通过如下指令快速启动服务端口监听 ollama serve & ``` #### 功能特性解析 尽管不是完全体形态下的产物，“残血版”的 deepseek 同样具备一定优势特点： - **成本效益高**：相较于顶级规格的产品而言，较低硬件门槛意味着更广泛的适用范围； - **性能可接受**：虽然无法匹敌最大型号的表现力，但在多数应用场景下仍能保持良好水准； - **灵活性增强**：易于调整适应不同的业务需求场景而不必担心过高的计算开销； 然而需要注意的是，由于初始架构上的差异，即使经过精心优化改进，小型化的变种也无法超越原始设计所固有的极限——即有限的参数数量决定了其处理复杂任务的能力边界。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值