IXThinker·2025-02-01 00:50

為何R1-Zero比R1更值得關注？純RL訓練

ARC Prize聯合創辦人Mike Knoop撰文指，DeepSeek同時發布的R1-Zero其實比R1更值得關注：它完全依賴強化學習，不用人類標註數據，或預示AI自我進化的新範式。

R1-Zero亮點

與先做監督微調再強化學習的R1不同，R1-Zero完全跳過人類專家標註的SFT階段，純以強化學習訓練而成，證明在某些任務上人類標註並非必要條件。