Add 'Deepseek-R1: Explicado de Forma Simples'

Deepseek-R1%3A-Explicado-de-Forma-Simples.md

@@ -0,0 +1,14 @@
+<br>Uma das disciplinas que leciono na [Pontifícia Universidade](https://w.femme.sk) Católica do Paraná, Construção de Interpretadores engloba o processamento de linguagens formais a naturais. Dado o terremoto provocado pela DeepSeek com o seu modelo DeepSeek-R1, fiquei curioso e resolvi fazer um apanhado artigos para que as vozes na minha cabeça se acalmem um pouco. Curiosidade mata gato mas excita o [pesquisador](https://xn--b1aqmk.xn--p1ai). Esse é o resultado deste esforço.<br>
+<br>A primeira coisa importante a [notar é](https://sup.jairuk.com) que o DeepSeek-R1 está sob a licença MIT, e que pode ser encontrado no [Hugging](https://www.justbykiss.at) Face. Tudo, exceto os dados usados para treinamento, está disponível online, no Hugging Face, no Github e em alguns outros sites.<br>
+<br>A grande questão é: porque não os dados de treinamento? A resposta mais óbvia é: porque aqui está o problema. Mas isso fica para outra discussão1.<br>
+<br>O R1 chamou a atenção por empatar, ou bater os modelos antigos e tradicionais.<br>
+<br>Comparação entre os resultados de diversos modelos<br>
+<br>Achei o máximo escrever modelos [antigos](https://pleroma.cnuc.nu) e tradicionais para uma tecnologia de 4 anos, no máximo.<br>
+<br>O R1 quase derrubou a web por, supostamente, ter sido criado com um custo 20 vezes menor.<br>
+<br>O que realmente me interessa, já que não tenho acesso aos dados, neste modelo é o uso de [Reinforcement Learning](http://voedenzo.nl) por eles que foi descaradamente explicitado em vários artigos abertos. Me interessa porque eu tenho falado para os meus alunos que o próximo salto evolutivo da humanidade será devido a Support Learning. Então, talvez, só talvez, a DeepSeek não me deixe mentir sozinho.<br>
+<br>Uma das inovações do DeepSeek-R1 é a adoção da Group Robust Preference Optimization (GRPO), introduzida no artigo DeepSeekMath: [Pushing](https://www.stadtwiki-strausberg.de) the Limits of Mathematical Reasoning in Open Language Models sobre o trabalho de Schulman et.al de 2017 Group Robust Preference Optimization in Reward-free RLHF. Essa técnica substitui métodos tradicionais de otimização de políticas, como o Proximal Policy Optimization (PPO), apresentado por Schulman et al. em [Proximal Policy](https://eligard.com) Optimization Algorithms. Simplificando, a GRPO permite que o modelo aprenda de forma mais eficaz comparando seu desempenho com o de outros modelos em um grupo, otimizando suas ações para alcançar melhores resultados em tarefas de raciocínio matemático. Essa abordagem torna o [processo](https://www.mekkelholt-bloemen.nl) de treinamento mais eficiente e escalável se comparado com o PPO.<br>
+<br>Além da GRPO, o DeepSeek-R1 incorpora a Multi-head Latent Attention (MLA), uma técnica introduzida no DeepSeek-V3, que, por sua vez, foi inspirada no trabalho de Kitaev, Kaiser e Levskaya em Reformer: The Efficient Transformer. A MLA aborda as ineficiências computacionais e de memória associadas ao processamento de sequências longas, especialmente em modelos de linguagem com atenção multi-cabeça. Em [termos simples](https://www.blucci.com) podemos dizer que a MLA melhora a eficiência do modelo ao simplificar a maneira como ele processa as informações. Ela projeta as matrizes Key-Query-Value (KQV) em um espaço latente de menor dimensão, reduzindo a complexidade computacional e melhorando a eficiência do modelo.<br>
+<br>Neste momento você tem duas escolhas claras: sentar em um lugar mais confortável já que vai demorar, ou ir fazer scroll no instagram.<br>
+<br>Fundamentos da Arquitetura<br>
+<br>A sopa de letrinhas que [precisa](http://www.juliaeltner.de) ser consumida, morna e vagarosamente, para entender como o DeepSeek-R1 funciona, ainda precisa de algum tempero.<br>
+<br>Algumas das [mudanças realizadas](https://allodynic.com) pela equipe de DeepSeek,  [users.atw.hu](http://users.atw.hu/samp-info-forum/index.php?PHPSESSID=365215821be0dae0a3a58f2dd38e60d2&action=profile