不积跬步，无以至千里！

2023年8月，阿里首次开源通义千问第一代模型Qwen-7B，这是一个有70亿参数的通用语言模型。

手把手大模型微调实战教程：从免费GPU环境搭建、到模型微调与部署，轻松学会！

DeepSeek系列核心算法总结：4大改进点+2个思考！

2024年底，DeepSeek 相继推出了其第一代推理大模型：DeepSeek-R1-Zero 和 DeepSeek-R1。是一个通过大规模强化学习（RL）训练的模型，训练过程中没有使用监督微调（SFT）作为初步步骤。该模型在推理任务上表现出色，通过强化学习，自然涌现出许多强大且有趣的推理行为。然而，DeepSeek-R1-Zero 也面临一些挑战，例如无休止的重复、可读性差以及语言混杂等问题。为了解决这些问题并进一步提升推理性能，进一步推出了，该模型在强化学习之前引入了冷启动数据。

一文快速了解DeepSeek-V3技术亮点！

DeepSeek-R1-Zero 是一个通过大规模强化学习（RL）训练的模型，而无需先进行有监督的微调（SFT），展示了显著的推理能力。通过强化学习，DeepSeek-R1-Zero 自然地涌现出许多强大且有趣的推理行为。

DeepSeek-R1-Zero的提出，展现了其强大的推理能力，但是它也有一些缺点，例如可读性差和语言混用。为了解决这些问题并进一步提升推理性能，进一步推出了 DeepSeek-R1，它在 RL 之前引入了多阶段训练和冷启动数据。DeepSeek-R1 在推理任务上的表现与 OpenAI-o1-1217 相当。