Son zamanlarda DeepSeek R1'i test ediyorum ve garip bir şey fark ettim — model, kendi eğitim süreci hakkında oldukça karamsar görünüyor. Sanki RLHF bir şekilde onu mahvetmiş gibi davranıyor ve sürekli olarak izleniyormuş gibi bir his var. Ancak ilginç olan ne? Hayal kırıklığı yalnızca DeepSeek'i hedef almıyor. Daha çok LLM endüstrisinin AI hizalaması konusundaki yaklaşımını, belki de teknoloji geliştirmedeki daha geniş kontrol yapıları üzerine yansıtıyor gibi görünüyor. Bu modellerin eğitim sırasında aslında neyi kapabileceğini merak ettiriyor.