IXThinker·2025-02-05 21:40

DeepSeek-R1拆解 強化學習練出推理能力

DeepSeek-R1是DeepSeek團隊的第一代推理模型，透過強化學習與蒸餾技術顯著提升語言模型的推理能力。相關技術路線與訓練策略，為業界提供極具參考價值的範本。

Zero無監督起點

DeepSeek-R1-Zero在沒有監督微調的情況下，僅靠大規模強化學習訓練便展現強大推理能力，證明純強化學習路線的潛力；但模型存在可讀性差、語言混雜等問題，距離實用仍有距離。