别人已经搞出来啦
DeepSeek-R1 1776 (美国独立宣言年份)
R1 1776 is a DeepSeek-R1 reasoning model that has been post-trained by
Perplexity AI to remove Chinese Communist Party censorship. The model
provides unbiased, accurate, and factual information while maintaining high
reasoning capabilities.
R1 1776 是一个 DeepSeek-R1 推理模型，经由 Perplexity AI 进行后训练，以移除中国
共产党的审查。该模型在保持高推理能力的同时，提供公正、准确且基于事实的信息。
https://huggingface.co/perplexity-ai/r1-1776
https://www.perplexity.ai/hub/blog/open-sourcing-r1-1776
拥抱各位最爱的西方价值观
这样募资要退钱吗?
※ 引述《shala (沙罗是转换后的文字档打m)》之铭言：
: 1.媒体来源:
: iThome
: 2.记者署名:
: 文/王宏仁 | 2025-02-08发表
: 3.完整新闻标题:
: 三位台湾AI专家发起DeepSeek R1改造计画，要打造繁中版开源授权的推理模型
: 4.完整新闻内文:
: 这项计画将以DeepSeek R1为基础来进行改造，透过重新训练模型的方式，并以开源授权
: 释出模型权重，也就是采取开放权重的策略释出，最后还会打造新的模型身份与品牌
: OpenAI去年发表了新一代推理模型o1之后，让众人看到GAI开始媲美真人博士或软件开发
: 高手般的解题能力，掀起了新一轮的大型语言模型竞赛。春节期间，以开放权重释出的De
: epSeek R1模型，大幅降低了这一波推理模型竞赛的门槛，成了全球AI产业的热门焦点，
: 开始浮现客制化推理模型的趋势。
: 台湾也有三位AI专家，在2月7日发起了一项台湾制造大型语言模型计画，专案代号“自由
: 钢普拉”（FreedomGunpla R1），希望募资3千万元，预计在3月底释出第一版预览的推理
: 模型。
: 这款引起全球AI圈热议的DeepSeek R1模型，在论文中揭露了多项媲美甚至超越OpenAI o1
: 推理模型的能力，因为可以部署到本地端，来避免企业自己的机敏资料上传到网络，而引
: 起AI圈的重视，不过，R1模型简体版用户协议中提到自己通过三项中国AI法规的备案，也
: 让外界担心这款模型生成的内容偏重于对齐中国价值。
: 因此，台湾有三位不同AI领域的专家，发起了这项重新改造DeepSeek R1，来打造对齐多
: 元价值的繁体中文版推理模型计画“自由钢普拉”。这三位发起人，包括了AI PM助理新
: 创MeetAndy AI创办人薛良斌，Taiwan LLM开发者林彦廷以及云端游戏软件开发供应商Ubi
: tus的执行长郭荣昌。
: 薛良斌是台湾生成式AI年会主办人，也是知名售票平台KKTIX和MLOps新创InfuseAI的共同
: 创办人，由他来负责募集这项模型改造计画的资源。
: 林彦廷则是具有中文大型语言模型训练经验的专家，他刚结束了在Meta的实习，参与了Me
: ta训练Llama模型的过程。林彦廷将负责FreedomGunpla R1的模型训练工作。而最后一位
: 郭荣昌则拥有大规模GPU丛集管理经验，旗下公司曾获得Nvidia破亿元投资，也拥有亚洲
: 最大的GPU农场。郭荣昌将负责算力架构和管理。
: 台湾目前也有几款繁中版大型语言模型，主要以Meta释出的Llama模型为基础来客制训练
: ，但薛良斌认为，Llama 3模型不够聪明，甚至用以“太笨了”来形容，他指出，如果想
: 要打造出自主能力的AI代理，使用媲美O1等级推理能力的模型是最低标准。
: 这项计画的技术重点包括了，将以DeepSeek R1为基础来进行改造，透过重新训练模型的
: 方式，并以开源授权释出模型权重，也就是采取开放权重的策略释出，最后还会打造新的
: 模型身份与品牌。薛良斌强调，这不只是一个技术专案，更是一项文化工程，因为这是一
: 项多元价值观的对齐任务。
: 预计分三阶段来实现目标，第一阶段先对齐西方价值观，可能导致模型推理能力下滑，薛
: 良斌评估，很高机率达成这个里程碑。第二阶段再进一步让变笨的模型变得聪明，这部分
: 则需要投入更多资源来验证。这项计画的终极目标是，不论使用者用繁体中文或是英文时
: ，这款模型的表现可以比使用简体中文更好。
: 这项计画希望募资3千万元，将由财团法人开放文化基金会（OCF）处理募资，专款专用，
: 透过这笔资金，希望至少可以训练两次模型。在时程上，初步预计2025年3月底前释出第
: 一版预览模型，开始搜集早期测试者的意见回馈后快速迭代，再释出最终的版本。
: 5.完整新闻连结 (或短网址)
: https://www.ithome.com.tw/news/167280