『大模型笔记』DeepSeek R1：掀起科技界风暴的全新大模型

DeepSeek R1：掀起科技界风暴的全新大模型

O、DeepSeek-R1官方介绍（Github）

1. 引言

• 我们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（reinforcement learning, RL）训练完成，且在训练初期未使用监督微调（SFT）。尽管如此，该模型在推理能力方面表现出色。在强化学习的过程中，DeepSeek-R1-Zero 自然地涌现出许多强大且有趣的推理行为。然而，该模型也存在一些问题，如重复循环、可读性较差和语言混杂等。
• 为了解决这些问题并进一步提升推理能力，我们推出了 DeepSeek-R1。在 RL 之前，我们引入了冷启动数据，使得