【deepseek】论文笔记--DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning

DeepSeek-R1 论文解析

1. 论文基本信息

标题：DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
作者：DeepSeek-AI团队（联系邮箱：research@deepseek.com）
发表时间与出处：2024年，AIME 2024（人工智能与数学教育国际会议）

关键词：

• Reinforcement Learning (强化学习)
• Reasoning Models (推理模型)
• Chain-of-Thought (思维链)
• Model Distillation (模型蒸馏)
• Mixed Precision Training (混合精度训练)
• Self-Evolution (自我进化)
• Cold Start (冷启动)
• GRPO Algorithm (分组相对策略优化)
• SWE-Bench (软件工程基准测试)

注：论文聚焦强化学习在LLM推理能