网民平均每人每天刷视频超200分钟

郭达雅补上了字节最后一块短板_蜘蛛资讯网

等行为模式。这套方法论对字节的价值在于，它可以降低对高质量标注数据的依赖，可以让模型在训练过程中自己发现规律。前面我已经说过了，agent是在跑的时候任何一个环节都不能出错，处理的任务往往是开放式的，很难通过人工标注来覆盖所有情况。如果能让模型自己学会判断任务完成的好坏，自己学会调整策略，那agent的能力上限就会大幅提升。郭达雅离开DeepSeek的一个原因是他很看好agent方向，不过当时在D

106.39%）、科创50（78.36%）等主要指数，领跑一众硬科技宽基！　　数据统计区间：2025.5.19-2026.5.19，科创创业50指数2021-2025分年度涨跌幅为：0.37%、-28.32%、-18.83%、13.63%、60.86%，指数成份股构成根据该指数编制规则适时调整，其回测历史业绩不预示指数未来表现。　　【无惧轮动，一键打包中国硬核科技】　　硬科技宽基——双创50ETF

。郭达雅从博士时期的CodeBERT开始，到DeepSeek-Coder，再到参与V2、V3、R1的研发，这条技术路线完整覆盖了从代码理解到推理能力的全链路。这正是字节需要的。更重要的是，他带来的不只是技术，还有一套完整的方法论。GRPO这个方法的核心思想是让模型自己学会判断答案的好坏，而不是依赖人工标注。到了后来的DeepSeek-R1里，不需要人工标注的推理轨迹，仅通过纯强化学习也能有效激发大

当前文章：http://umhp.ceyuqiao.cn/iwt60vb/rkppd0.pptx

发布时间：01:03:40