斯坦福大學(xué)和華盛頓大學(xué)的人工智能研究人員以不到50美元的云計算積分訓(xùn)練了人工智能“推理”模型。

該模型名為s1，在數(shù)學(xué)和編碼能力測試中，其表現(xiàn)與OpenAI o1和DeepSeek R1等尖端推理模型類似。s1模型可在GitHub上獲取，同時還可獲得用于訓(xùn)練該模型的數(shù)據(jù)和代碼。

s1開發(fā)團隊表示，從現(xiàn)成的基礎(chǔ)模型開始，然后通過提煉對模型進行微調(diào)，即通過對另一個人工智能模型的答案進行訓(xùn)練，提取其“推理”能力的過程。

研究人員表示，s1是從谷歌推理模型Gemini 2.0 Flash Thinking Experimental中提煉出來的。提煉方法與伯克利研究人員上個月以約450美元的價格創(chuàng)建AI推理模型所采用的方法相同。

對于某些人來說，少數(shù)研究人員即使沒有數(shù)百萬美元的資金支持，仍可以在人工智能領(lǐng)域進行創(chuàng)新，這種想法令人興奮。

但s1提出了有關(guān)人工智能模型商品化的真正問題。

如果有人能夠以相對零花錢的方式精確復(fù)制價值數(shù)百萬美元的模型，那么護城河在哪里呢？

s1論文提出，通過使用一種稱為監(jiān)督微調(diào)（SFT）的過程，采用相對較小的數(shù)據(jù)集提煉推理模型，在此過程中，明確指示AI模型模仿數(shù)據(jù)集中的某些行為。

SFT往往比DeepSeek用于訓(xùn)練其競爭對手OpenAI o1模型R1的大規(guī)模強化學(xué)習(xí)方法更便宜。