3,094
个编辑
更改
建立内容为“DeepSeek-R1是DeepSeek团队推出的第一代推理模型，通过强化学习（RL）和蒸馏技术显著提升了语言模型的推理能力…”的新页面
DeepSeek-R1是[[DeepSeek团队]]推出的第一代推理模型，通过[[强化学习]]（RL）和[[蒸馏技术]]显著提升了[[语言模型]]的推理能力。DeepSeek-R1-Zero模型在没有监督微调（SFT）的情况下，通过大规模RL训练展现出强大的推理能力，但存在可读性和语言混合问题。为了解决这些问题，DeepSeek-R1引入了冷启动数据和多阶段训练，推理性能与[[OpenAI]]的[[GPT o1]]-1217相当。此外，团队还开源了六个基于[[Qwen]]和[[Llama]]的蒸馏模型，帮助小型模型提升推理能力。
==DeepSeek-R1-Zero==
==DeepSeek-R1==
===冷启动数据===
===多阶段训练===
===蒸馏技术===
===性能测试===
===顿悟时刻===
==存在的问题及未来挑战==
==DeepSeek-R1-Zero==
==DeepSeek-R1==
===冷启动数据===
===多阶段训练===
===蒸馏技术===
===性能测试===
===顿悟时刻===
==存在的问题及未来挑战==