DeepSeek-R1-0528の活性化されたルーティングエキスパートの分布ってどうなってるの？

[名無しさん]

RedditのLocalLLaMAコミュニティから、DeepSeek-R1-0528における活性化されたルーティングエキスパートの分布についての議論を紹介します。
モデルの専門家（エキスパート）がどのように活性化されるか、その分布や偏りについて意見が交わされています。ローカルLLMに興味がある人たちの間で、DeepSeekのアーキテクチャや性能、コスト、プライバシーなどの話題も含まれています。実際に使ってみた感想やベンチマークの結果なども。みなさんはどう思いますか？

[名無しさん]

このモデル、エキスパートの活性化が偏ってるって聞いたけど本当？

[名無しさん]

そうみたい。一部のエキスパートばかり使われて、他はほとんど使われてないらしい。

[名無しさん]

自分で動かしてみたけど、確かに分布にムラがある。でも性能は結構良いよ。

[名無しさん]

MoEの特性として、学習が進むと特定のエキスパートに集中するのは普通じゃない？

[名無しさん]

そうかもしれないけど、DeepSeekの場合は極端だって意見もあるよ。

[名無しさん]

ベンチマークスコアはどうなの？GPT-4と比べてどう？

[名無しさん]

コーディングタスクでは結構互角って話。でも日本語はまだ微妙かも。

[名無しさん]

プライバシーの面でローカルで動かせるのは良いよね。でもGPUメモリが足りない…

[名無しさん]

量子化版ならなんとか動くよ。ただし精度は落ちるけど。

[名無しさん]

ルーティングの分布、可視化した人いる？

[名無しさん]

Redditのスレッドで画像が貼られてたよ。偏りが一目瞭然だった。

[名無しさん]

DeepSeekってコスト面でも注目されてるんだよね。API使うよりローカルの方が安い？

[名無しさん]

電気代考えると微妙だけど、大量に使うならローカルの方がいいかも。

[名無しさん]

MoEモデルの将来性は？もっと効率的なルーティング手法が出てくるのでは？

[名無しさん]

研究は進んでるみたい。でも現状はDeepSeekのバランスは悪いって評価が多い。

[名無しさん]

実際に使ってみた感想：コード生成は結構使える。でも長文になるとたまに変な出力が。

[名無しさん]

それは他のモデルでもあるある。DeepSeekに限った話じゃないかも。

[名無しさん]

学習データの偏りがエキスパートの分布に影響してるのかな？

[名無しさん]

可能性はあるね。でも詳細は公開されてないから推測しかできない。

[名無しさん]

このスレッド、参考になった。もっと検証してみるわ。

[投稿者]

投稿