引导式测验 · 硬 等级

DeepSeek V3 和 R1 推理测验

测试 DeepSeek-V3 和 R1 的 MoE 架构、报告的训练计算、RL 管道以及原始报告的精炼版本。

相关引导路径Deepseek V3 和 R1 推理
问题 1 的 8

DeepSeek-V3技术报告给出了哪些参数？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. DeepSeek-V3技术报告给出了哪些参数？
    • 总参数 671B，每个令牌激活 37B
    • 总共 37B 个参数，每个代币均处于活动状态
    • 每个令牌的 671B 活动参数
    • 没有路由专家的密集模型
  2. DeepSeek-R1的推理训练和发布有哪些值得注意的地方？
    • 它没有使用任何训练数据
    • 该报告描述了基于强化学习的推理和公开发布的模型权重
    • 它只是一个封闭的云 API
    • 这是一个基于规则的程序，没有学习模型
  3. DeepSeek-V3 报告给出的完整训练运行的计算数据是多少？
    • 278.8 万 CPU 小时
    • 仅 R1 的 H100 GPU 小时数为 278.8 万小时
    • 278.8 万 H800 GPU 小时
    • 没有报告加速器小时数
  4. 哪些训练信号帮助 DeepSeek-R1 发展推理行为？
    • 仅手动编写规则，没有学习模型
    • 图像标签分类
    • 与答案无关的随机奖励
    • 强化学习奖励正确、可验证的结果
  5. 与 DeepSeek-V3 训练相关的一种效率技术是什么？
    • 多头潜在注意力和辅助无损失负载均衡
    • 将模型打印在纸上
    • 删除所有注意力层
    • 对单个示例进行训练
  6. DeepSeek-R1 论文评估了哪些类型的任务？
    • 仅图像分类
    • 数学、编程竞赛和 STEM 任务
    • 仅语音转录
    • 仅电子表格格式
  7. DeepSeek-R1 管道在第一个 RL 阶段之前使用什么监督学习步骤？
    • 一段没有文字或提示的训练
    • 仅最终模型压缩步骤
    • 对策划推理示例进行冷启动监督微调
    • 计算机视觉预训练阶段
  8. 哪些模型系列被用作已发布的 R1 蒸馏模型的基础？
    • BERT 和 CLIP
    • Tacotron 和 WavLM
    • NeRF 和 Instant-NGP
    • Qwen 和 Llama