Tags

DeepSeek R1

X-R1:开源推理模型探索
AI

X-R1:开源推理模型探索

语言模型能够通过强化学习——而无需人类示范——发展出复杂推理能力的这一发现,是 2024 年和 2025 年 AI 研究中最令人惊讶的结果之一。DeepSeek R1 表明,使用 RL 训练的模型可以学会逐步思考,产生思维链推理,从而在数学、逻辑和编程任务上大幅提升表现。X-R1 是一个探 …

TinyZero:用不到 30 美元重现 DeepSeek R1-Zero 的强化学习推理
AI

TinyZero:用不到 30 美元重现 DeepSeek R1-Zero 的强化学习推理

DeepSeek R1-Zero 在 2025 年 1 月发布时被广泛认为是一项突破。该模型证明了纯粹的强化学习——无需任何人类推理示例的监督式微调——就能产生高级思维链推理、自我修正,甚至令人惊讶的「啊哈时刻」,模型在对话中途独立发现了更好的推理策略。但问题在于:训练基础设施被认为需要大 …

TAG
CATEGORIES