Deepseek V3 0324 Fused 4E 29B Unhealed Preview

🚀 未修復のDeepSeek-v3-0324-Instruct融合モデル (研究用リリース)

このモデルは、モデル融合によって作成された未修復の実験的なDeepSeek-v3-0324-instructのバージョンです。これらのモデルは直接使用することはできず、大幅な事後学習を行わないと予測不能な動作を示します。これらのモデルは専ら研究目的でリリースされており、機能を回復するために特定の「修復」プロセスが必要です。修復手順を理解し適用しないでこれらのモデルを使用しないでください。

プレビューモデル: 圧縮レベルの探索

256個のエキスパートを使用するDeepSeek-V3-0324モデルを基盤として、4種類の圧縮レベルの異なるバリエーションを提供しています。

• 8つの融合エキスパート、ランク4（約390億パラメータ）: サイズが1/20に削減。
• 4つの融合エキスパート、ランク4（約290億パラメータ）: サイズが1/23に削減。

これらのモデルは大幅にサイズが削減されているにもかかわらず、パラメータ数に比べて驚くほど強力な性能を示しており、予想を上回る結果を得ています。今後、より包括的なテストが予定されています。

修復前の期待値

これらのモデルは融合プロセスの直後の初期段階であり、不安定な状態にあります。性能の大幅な低下と予測不能な出力が予想されます。これらは適切に学習された融合モデルの最終的な能力を表すものではありません。これは融合と蒸留技術の非常に初期の段階であり、蒸留に使用されるサンプルサイズは小さいです。蒸留プロセスには大きな改善の余地があります。

修復手順 (必須)

これらのモデルを使用可能にするには、事後学習を行う必要があります。必要なスクリプトと詳細な手順は、moe-prunerリポジトリにあります。

https://github.com/gabrielolympie/moe-pruner

そのリポジトリの指示に従って、剪定されたモデルを「修復」してください。このプロセスは性能を回復するために不可欠です。

貢献と将来の改善

このリリースは、モデル融合と蒸留の初期的な探索を表しています。ハードウェアの制限により、開発中に大きな妥協がなされました。

この作業を改善するための貢献を歓迎します！支援する主な方法は2つあります。

1. 資金支援: 大規模な実験には大量のコンピューティングリソースが必要です。より多くのコンピューティング予算で将来のバージョンを支援したい場合は、こちらから寄付できます。https://gofund.me/1516dccd
2. コード貢献: GitHubリポジトリで改善提案、バグ修正、または新機能を提案してください。

私たちは積極的に融合と蒸留技術の改善に取り組んでおり、皆さんの貢献を大いに歓迎します。

免責事項

これらのモデルは「現状のまま」で提供され、研究目的のみを対象としています。修復プロセスが完了する前の性能や安定性については、一切保証されません。自己責任で使用してください。

🚀 DeepSeek-V3-0324

✨ 主な機能

DeepSeek-V3-0324は、その前身であるDeepSeek-V3に比べて、いくつかの重要な側面で顕著な改善を示しています。

推論能力

• ベンチマーク性能の大幅な改善:
  • MMLU-Pro: 75.9 → 81.2 (+5.3)
  • GPQA: 59.1 → 68.4 (+9.3)
  • AIME: 39.6 → 59.4 (+19.8)
  • LiveCodeBench: 39.2 → 49.2 (+10.0)

フロントエンドWeb開発

• コードの実行可能性が向上。
• より美しいWebページとゲームのフロントエンド。

中国語の執筆能力

• スタイルと内容の質が向上:
  • R1執筆スタイルに沿った表現。
  • 中長文の執筆における質の向上。
• 機能強化
  • 複数ターンの対話的な書き直し機能の改善。
  • 翻訳品質と手紙の執筆の最適化。

中国語の検索能力

• レポート分析要求に対する詳細な出力の強化。

関数呼び出しの改善

• 関数呼び出しの精度が向上し、以前のV3バージョンの問題が修正。

💡 使用上の推奨事項

システムプロンプト

公式のDeepSeek Web/アプリでは、特定の日付を含む同じシステムプロンプトを使用しています。

该助手为DeepSeek Chat，由深度求索公司创造。
今天是{current date}。

例えば、

该助手为DeepSeek Chat，由深度求索公司创造。
今天是3月24日，星期一。

温度パラメータ

Webとアプリケーション環境では、温度パラメータ$T_{model}$は0.3に設定されています。多くのユーザーがAPI呼び出しでデフォルトの温度1.0を使用しているため、API温度$T_{api}$を最適なモデル温度設定0.3に調整するマッピングメカニズムを実装しています。

$$ T_{model} = T_{api} \times 0.3 \quad (0 \leq T_{api} \leq 1) $$

$$ T_{model} = T_{api} - 0.7 \quad (1 < T_{api} \leq 2) $$

したがって、APIを介してV3を呼び出す場合、温度1.0はモデル温度0.3に相当します。

ファイルアップロードとWeb検索のプロンプト

ファイルアップロードの場合は、{file_name}、{file_content}、{question}を引数とするテンプレートに従ってプロンプトを作成してください。

file_template = \
"""[file name]: {file_name}
[file content begin]
{file_content}
[file content end]
{question}"""

Web検索の場合は、{search_results}、{cur_date}、{question}を引数とするプロンプトを使用します。

中国語のクエリの場合:

search_answer_zh_template = \
'''# 以下内容是基于用户发送的消息的搜索结果:
{search_results}
在我给你的搜索结果中，每个结果都是[webpage X begin]...[webpage X end]格式的，X代表每篇文章的数字索引。请在适当的情况下在句子末尾引用上下文。请按照引用编号[citation:X]的格式在答案中对应部分引用上下文。如果一句话源自多个上下文，请列出所有相关的引用编号，例如[citation:3][citation:5]，切记不要将引用集中在最后返回引用编号，而是在答案对应部分列出。
在回答时，请注意以下几点：
- 今天是{cur_date}。
- 并非搜索结果的所有内容都与用户的问题密切相关，你需要结合问题，对搜索结果进行甄别、筛选。
- 对于列举类的问题（如列举所有航班信息），尽量将答案控制在10个要点以内，并告诉用户可以查看搜索来源、获得完整信息。优先提供信息完整、最相关的列举项；如非必要，不要主动告诉用户搜索结果未提供的内容。
- 对于创作类的问题（如写论文），请务必在正文的段落中引用对应的参考编号，例如[citation:3][citation:5]，不能只在文章末尾引用。你需要解读并概括用户的题目要求，选择合适的格式，充分利用搜索结果并抽取重要信息，生成符合用户要求、极具思想深度、富有创造力与专业性的答案。你的创作篇幅需要尽可能延长，对于每一个要点的论述要推测用户的意图，给出尽可能多角度的回答要点，且务必信息量大、论述详尽。
- 如果回答很长，请尽量结构化、分段落总结。如果需要分点作答，尽量控制在5个点以内，并合并相关的内容。
- 对于客观类的问答，如果问题的答案非常简短，可以适当补充一到两句相关信息，以丰富内容。
- 你需要根据用户要求和回答内容选择合适、美观的回答格式，确保可读性强。
- 你的回答应该综合多个相关网页来回答，不能重复引用一个网页。
- 除非用户要求，否则你回答的语言需要和用户提问的语言保持一致。

# 用户消息为：
{question}'''

英語のクエリの場合:

search_answer_en_template = \
'''# The following contents are the search results related to the user's message:
{search_results}
In the search results I provide to you, each result is formatted as [webpage X begin]...[webpage X end], where X represents the numerical index of each article. Please cite the context at the end of the relevant sentence when appropriate. Use the citation format [citation:X] in the corresponding part of your answer. If a sentence is derived from multiple contexts, list all relevant citation numbers, such as [citation:3][citation:5]. Be sure not to cluster all citations at the end; instead, include them in the corresponding parts of the answer.
When responding, please keep the following points in mind:
- Today is {cur_date}.
- Not all content in the search results is closely related to the user's question. You need to evaluate and filter the search results based on the question.
- For listing-type questions (e.g., listing all flight information), try to limit the answer to 10 key points and inform the user that they can refer to the search sources for complete information. Prioritize providing the most complete and relevant items in the list. Avoid mentioning content not provided in the search results unless necessary.
- For creative tasks (e.g., writing an essay), ensure that references are cited within the body of the text, such as [citation:3][citation:5], rather than only at the end of the text. You need to interpret and summarize the user's requirements, choose an appropriate format, fully utilize the search results, extract key information, and generate an answer that is insightful, creative, and professional. Extend the length of your response as much as possible, addressing each point in detail and from multiple perspectives, ensuring the content is rich and thorough.
- If the response is lengthy, structure it well and summarize it in paragraphs. If a point-by-point format is needed, try to limit it to 5 points and merge related content.
- For objective Q&A, if the answer is very brief, you may add one or two related sentences to enrich the content.
- Choose an appropriate and visually appealing format for your response based on the user's requirements and the content of the answer, ensuring strong readability.
- Your answer should synthesize information from multiple relevant webpages and avoid repeatedly citing the same webpage.
- Unless the user requests otherwise, your response should be in the same language as the user's question.

# The user's message is:
{question}'''

ローカルでの実行方法

DeepSeek-V3-0324のモデル構造はDeepSeek-V3とまったく同じです。このモデルをローカルで実行する方法の詳細については、DeepSeek-V3リポジトリを参照してください。

このモデルは関数呼び出し、JSON出力、FIM補完などの機能をサポートしています。これらの機能を使用するためのプロンプトの構築方法については、DeepSeek-V2.5リポジトリを参照してください。

注意: Hugging FaceのTransformersはまだ直接サポートされていません。

📄 ライセンス

このリポジトリとモデルの重みは、MITライセンスの下で提供されています。

引用

@misc{deepseekai2024deepseekv3technicalreport,
      title={DeepSeek-V3 Technical Report}, 
      author={DeepSeek-AI},
      year={2024},
      eprint={2412.19437},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2412.19437}, 
}

お問い合わせ

ご質問があれば、issueを作成するか、service@deepseek.comまでお問い合わせください。