更改

[[顿悟时刻]](Aha Moment) 体现了模型能自发地重新评估和优化推理步骤的能力。如下图所示。模型重新评估了其初始解题方法，并学会了为解题分配更多的思考时间。使用强化学习方法，人们不需要明确教导模型解决问题方法，只需要提供适当的激励，即可让模型自主发展出问题解决策略。这种自主性不仅展示了模型推理能力的提升，还显示了强化学习在解锁AI智能水平方面的潜力。

[[顿悟时刻]](Aha Moment) 体现了模型能自发地重新评估和优化推理步骤的能力。如下图所示。模型重新评估了其初始解题方法，并学会了为解题分配更多的思考时间。使用强化学习方法，人们不需要明确教导模型解决问题方法，只需要提供适当的激励，即可让模型自主发展出问题解决策略。这种自主性不仅展示了模型推理能力的提升，还显示了强化学习在解锁AI智能水平方面的潜力。

[[文件:table3aha.png|居左|600×385像素| DeepSeek-R1-Zero 的某一中间版本中，出现的顿悟时刻]]

[[文件:table3aha.png|居左|100×385像素| DeepSeek-R1-Zero 的某一中间版本中，出现的顿悟时刻]]

===冷启动数据与多阶段训练===

===冷启动数据与多阶段训练===