更新後的文章進一步詳細展示了LLM（大語言模型）的推理能力可以通過純粹的強化學習（RL）來訓練。
觀點網訊：1月8日消息，DeepSeek近日更新了關于R1模型的論文，文章篇幅從原本的約20頁擴展至86頁。
更新後的文章進一步詳細展示了LLM（大語言模型）的推理能力可以通過純粹的強化學習（RL）來訓練，且訓練出的模型在數學、編碼競賽和STEM領域等可驗證任務上取得了優異的成績。
同時，該方式在訓練成本上也極具競争力，DeepSeek-R1-Zero的訓練僅耗時198小時。
免責聲明：本文内容與數據由觀點根據公開信息整理，不構成投資建議，使用前請核實。
審校：
版權聲明：觀點網絡信息科技有限公司及廣州觀點信息資訊服務有限公司擁有及保留其主辦暨承辦網站、論壇及活動的所有資料（包括但不限於文字、圖片、音頻、視頻資料及頁面設計、編排、軟件等）的所有權、版權等其他相關知識產權。除經授權合法使用上述資料外，未征得我司書面許可並付費，任何單位和個人不得以任何理由及方式使用上述資料（包括但不限於轉載、轉讓、授權他人使用等），否則我司將依法追究其法律責任以及賠償責任。
承印人：觀點網絡信息科技有限公司 (Guandian Network Information Technology Co.,Ltd.)
地址：香港灣仔菲林明道8號大同大廈15樓1505室（Room 5,15th Floor,Tai Tung Building,8 Fleming Road,Wan chai,HongKong Island,HongKong. ）
電郵：info@guandian.hk
移動端下載