IXThinker·2025-09-19 17:30

DeepSeek-R1技術路線一次看懂

DeepSeek-R1是DeepSeek團隊推出的第一代推理模型，透過強化學習與蒸餾技術顯著提升語言模型的推理能力。有百科團隊以詞條形式梳理其發展歷史與技術路線，拆解這條以低成本實現強推理的路徑。

R1-Zero的試煉

前身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，便展現出強大的推理能力，驗證了純強化學習路線的潛力。但模型也存在明顯短板：輸出可讀性差、語言混合混亂，距離實用仍有距離。