HELLO_JOEY_个人页

2025年02月

• 02.09 20:41:46
  发表了文章 2025-02-09 20:41:46

  DeepSeek-R1:Incentivizing Reasoning Capability in LLMs via Reinforcement Learning论文解读

  DeepSeek团队推出了第一代推理模型DeepSeek-R1-Zero和DeepSeek-R1。DeepSeek-R1-Zero通过大规模强化学习训练，展示了卓越的推理能力，但存在可读性和语言混合问题。为此，团队引入多阶段训练和冷启动数据，推出性能与OpenAI-o1-1217相当的DeepSeek-R1，并开源了多个密集模型。实验表明，DeepSeek-R1在多项任务上表现出色，尤其在编码任务上超越多数模型。未来研究将聚焦提升通用能力和优化提示工程等方向。