更改

==技术特点==

==技术特点==

- **强化学习训练**：DeepSeek-R1-Zero 通过大规模强化学习训练，显著提升了语言模型的推理能力，尤其是在数学、代码生成和 STEM 相关任务中。

* 强化学习训练：DeepSeek-R1-Zero 通过大规模强化学习训练，显著提升了语言模型的推理能力，尤其是在数学、代码生成和 STEM 相关任务中。

- **无监督微调**：与传统的监督微调方法不同，DeepSeek-R1-Zero 完全依赖强化学习进行训练，无需监督微调。

* 无监督微调：与传统的监督微调方法不同，DeepSeek-R1-Zero 完全依赖强化学习进行训练，无需监督微调。

- **推理能力**：DeepSeek-R1-Zero 在数学、代码生成和 STEM 相关任务中展现出强大的推理能力，与 OpenAI 的 GPT o1-1217 模型相当。

* 推理能力：DeepSeek-R1-Zero 在数学、代码生成和 STEM 相关任务中展现出强大的推理能力，与 OpenAI 的 GPT o1-1217 模型相当。

==问题与优化==

==问题与优化==