fix blog path issue

Author: hobbytp

config.toml

@@ -7,9 +7,12 @@ defaultContentLanguage = "zh"
 [languages.zh]
 languageName = "中文"
 weight = 1
+contentDir = "content/zh"
+
 [languages.en]
 languageName = "English"
 weight = 2
+contentDir = "content/en"
 
 [params]
 description = "一个关注 AI 各领域的专题博客，涵盖论文、技术、项目、访谈、动态和产品介绍。"

content/zh/deepseek_r1.md

@@ -48,7 +48,7 @@ DeepSeek-R1的推理能力可以被蒸馏到较小的密集模型中，例如Qwe
 
 #### 方法改进
 
-对于第一种方法，他们通过RL训练提高了模型的推理能力。而对于第二种方法，他们利用已经发现的更大模型的推理模式来“蒸馏”更小的模型，从而提高了性能。
+对于第一种方法，他们通过RL训练提高了模型的推理能力。而对于第二种方法，他们利用已经发现的更大模型的推理模式来"蒸馏"更小的模型，从而提高了性能。
 
 #### 解决的问题
 
@@ -116,18 +116,18 @@ DeepSeek-R1-Zero 通过纯强化学习 (RL) 涌现出强大的推理能力，主
 ● 奖励机制：DeepSeek-R1-Zero 采用了基于规则的奖励系统，主要包括以下两种类型的奖励：
 
 ○ 准确性奖励：评估回答是否正确。例如，对于具有确定性结果的数学问题，要求模型以特定格式（例如，在框内）提供最终答案，从而实现对正确性的可靠的基于规则的验证。
-○ 格式奖励：强制模型将其思考过程置于 ‘’ 和 ‘’ 标签之间。
+○ 格式奖励：强制模型将其思考过程置于 '' 和 '' 标签之间。
 ● 训练模板：使用一个简单的模板来指导基础模型遵守指定的指令。该模板要求 DeepSeek-R1-Zero 首先产生一个推理过程，然后给出最终答案。
 ● 自我进化过程：DeepSeek-R1-Zero 的自我进化过程展示了 RL 如何驱动模型自主提高其推理能力。通过直接从基础模型启动 RL，可以密切监控模型的进展，而不会受到监督微调阶段的影响。
-● “顿悟时刻”：在 DeepSeek-R1-Zero 的训练过程中观察到一个有趣的“顿悟时刻”。在这个阶段，模型学会通过重新评估其初始方法来为问题分配更多的思考时间。这种行为不仅证明了模型不断增长的推理能力，也证明了强化学习能够带来意想不到的和复杂的结果。
+● "顿悟时刻"：在 DeepSeek-R1-Zero 的训练过程中观察到一个有趣的"顿悟时刻"。在这个阶段，模型学会通过重新评估其初始方法来为问题分配更多的思考时间。这种行为不仅证明了模型不断增长的推理能力，也证明了强化学习能够带来意想不到的和复杂的结果。
 ● 性能提升：在强化学习 (RL) 训练过程中，DeepSeek-R1-Zero 在 AIME 2024 基准测试中表现出稳定且持续的性能提升。AIME 2024 的平均 pass@1 分数从最初的 15.6% 显著提高到 71.0%，达到了与 OpenAI-o1-0912 相当的性能水平。在 AIME 基准测试中采用多数投票时，DeepSeek-R1-Zero 的性能从 71.0% 提高到 86.7%，超过了 OpenAI-o1-0912 的性能。
 ● 更长的思考时间：在训练过程中，DeepSeek-R1-Zero 的思考时间持续增加。模型通过利用更长的测试时计算来解决越来越复杂的推理任务，计算范围从生成数百到数千个推理 tokens，从而能够更深入地探索和完善其思考过程。
 总的来说，DeepSeek-R1-Zero 通过纯强化学习，在没有监督数据的情况下，实现了强大的推理能力。
 
 ### Distillation如何提升小模型的推理能力？
 
 Distillation 通过将大型模型的推理能力转移到较小的模型中，从而提升小模型的推理能力。以下是 Distillation 如何实现这一点的详细解释：
-● 知识转移：Distillation 涉及使用大型、性能优越的模型（称为“教师”模型）来训练较小的模型（称为“学生”模型）。教师模型已经学习了复杂的推理模式，并且可以生成高质量的推理数据。
+● 知识转移：Distillation 涉及使用大型、性能优越的模型（称为"教师"模型）来训练较小的模型（称为"学生"模型）。教师模型已经学习了复杂的推理模式，并且可以生成高质量的推理数据。
 ● 训练数据生成：教师模型，例如 DeepSeek-R1，用于生成大量的推理数据，包括解决问题的步骤和最终答案。这些数据随后被用于训练较小的模型。DeepSeek-R1 使用了约 80 万个样本进行提炼。
 ● 监督式微调 (SFT)：较小的模型，例如 Qwen 和 Llama 系列，使用由 DeepSeek-R1 生成的数据进行微调。通过这种方式，较小的模型可以学习模仿大型模型的推理过程。
 ● 性能提升：经过 distillation 后，较小的模型在推理基准测试中表现出显著的性能提升。例如，DeepSeek-R1-Distill-Qwen-7B 在 AIME 2024 上的得分超过了 GPT-4o-0513。DeepSeek-R1-14B 在所有评估指标上均优于 QwQ-32B-Preview。DeepSeek-R1-32B 和 DeepSeek-R1-70B 在大多数基准测试中显著超过了 o1-mini。
@@ -170,7 +170,7 @@ DeepSeek-R1的训练流程包括四个阶段：数据预处理、模型构建、
 
 ### DeepSeek-R1-Zero在训练过程中出现了什么有趣的现象？
 
-DeepSeek-R1-Zero在训练过程中出现了一个“啊哈时刻”，即在模型的中间版本中学习重新评估其初始方法以分配更多思考时间给一个问题的行为。这不仅是模型推理能力不断提高的表现，也是强化学习如何导致意外而复杂结果的一个引人入胜的例子。
+DeepSeek-R1-Zero在训练过程中出现了一个"啊哈时刻"，即在模型的中间版本中学习重新评估其初始方法以分配更多思考时间给一个问题的行为。这不仅是模型推理能力不断提高的表现，也是强化学习如何导致意外而复杂结果的一个引人入胜的例子。
 
 ### 在工程导向的编码任务中，OpenAI-o1-1217与DeepSeek-R1相比如何？
 

content/zh/posts/deepseek_r1.md

@@ -0,0 +1,10 @@
++++
+title = "DeepSeek R1 论文解读"
+date = "2025-02-10T20:10:00+08:00"
+draft = false
+tags = ["AI", "DeepThinking", "DeepSeek", "论文", "技术"]
+categories = ["papers"]
+description = "本文展示如何编写一篇博客文章的例子，包含必要的元数据和基本文章结构。"
++ type = "posts"
++ url = "/posts/deepseek_r1/"
++++ 

layouts/_default/list.html

@@ -0,0 +1,23 @@
+{{ define "main" }}
+<div class="list-content">
+    <h1>{{ .Title }}</h1>
+    {{ range .Pages }}
+    <article class="post-item">
+        <h2><a href="{{ .RelPermalink }}">{{ .Title }}</a></h2>
+        <div class="post-meta">
+            <time>{{ .Date.Format "2006-01-02" }}</time>
+            {{ with .Params.tags }}
+            <span class="tags">
+                {{ range . }}
+                <a href="/tags/{{ . | urlize }}">#{{ . }}</a>
+                {{ end }}
+            </span>
+            {{ end }}
+        </div>
+        {{ with .Description }}
+        <p class="description">{{ . }}</p>
+        {{ end }}
+    </article>
+    {{ end }}
+</div>
+{{ end }}