【太平洋科技快讯】近日，深度求索 ( DeepSeek ) 与清华大学携手，共同推出了一项具有突破性的 AI 对齐技术—— SPCT ( 自我原则点评调优 ) 。该技术旨在颠覆传统 AI 模型依赖海量训练数据的模式，通过在推理阶段实现动态优化，显著提升输出质量。

SPCT 技术基于 " 原则合成 - 响应生成 - 批判过滤 - 原则优化 " 的递归架构，使 AI 模型在推理过程中能够实时自我修正，确保输出结果的准确性和可靠性。

拒绝式微调冷启动阶段：在此阶段，生成模型 ( GRM ) 被训练以适应各种输入类型，并学会以正确格式生成原则和点评内容。

基于规则的在线强化学习阶段：通过引入规则奖励机制，模型在这一阶段不断优化其生成的原则和点评内容，从而提升推理阶段的可扩展性。

在测试中，配备 270 亿参数的 DeepSeek-GRM 模型展现了惊人的性能，通过每查询 32 次采样的推理计算，达到了与 671B 规模模型相媲美的水平。此外，该模型采用的硬件感知设计融合了混合专家系统 ( MoE ) ，支持 128k token 的上下文窗口，单查询延迟仅为 1.4 秒。

SPCT 技术显著降低了高性能 AI 模型的部署门槛。以 DeepSeek-GRM 模型为例，其训练成本仅为 1.2 万美元，相较于同类模型动辄数百万美元的成本，实现了极大的成本优化。与 OpenAI 的 GPT-4o 模型相比，DeepSeek-GRM 的成本仅为后者的 1/525。

此外，SPCT 技术还减少了 90% 的人工标注需求，大幅降低了人力成本。相较于传统方法，SPCT 的能耗降低了 73%，更加环保节能。由于其出色的性能和低延迟设计，SPCT 技术为实时机器人控制等动态场景提供了新的可能性。