DeepSeek-R1
> 开发工具DeepSeek-R1 <hr 1. 介绍 我们介绍了第一代推理模型 DeepSeek-R1-Zero 和 DeepSeek-R1。DeepSeek-R1-Zero 是一个 m…
工具介绍
DeepSeek-R1 <hr 1. 介绍 我们介绍了第一代推理模型 DeepSeek-R1-Zero 和 DeepSeek-R1。DeepSeek-R1-Zero 是一个 m…
DeepSeek-R1
我们推出了第一代推理模型 DeepSeek-R1-Zero 和 DeepSeek-R1。 DeepSeek-R1-Zero 是通过大规模强化学习 (RL) 进行训练的，没有经过监督式微调 (SFT) 作为前期步骤，在推理方面表现出令人瞩目的性能。通过 RL，DeepSeek-R1-Zero 自然地展现出了大量强大且有趣的推理行为。然而，DeepSeek-R1-Zero 遇到了诸如无休止的重复、可读性差和语言混淆等挑战。为了解决这些问题并进一步提升推理性能，我们推出了 DeepSeek-R1，其中包含了在 RL 之前的冷启动数据。DeepSeek-R1 在数学、代码和推理任务中表现与 OpenAI-o1 相当。为了支持研究社区，我们基于 LLaMA 和 Qwen 将 DeepSeek-R1 所提炼的六个密集模型开源了，其中包括 DeepSeek-R1-Zero、DeepSeek-R1 和 DeepSeek-R1-Distill-Qwen-32B。在各种基准测试中，DeepSeek-R1-Distill-Qwen-32B 在 OpenAI-o1-mini 的基础上表现更好，为密集模型实现了新的先进性能。
注意: 在本地运行 DeepSeek-R1 系列模型之前,我们建议您阅读 使用建议 部分。
我们直接将强化学习 (RL) 应用于基础模型,而不依赖于监督式微调 (SFT) 作为前期步骤。这种方法使模型能够探索链式思维 (CoT) 来解决复杂问题,从而开发出 DeepSeek-R1-Zero。DeepSeek-R1-Zero 具有自验证、反思和生成长链式思维等能力,这标志着研究社区取得的一个重要里程碑。值得注意的是,这是第一个开放研究,证实了 LLM 的推理能力完全可以通过 RL 来激励,而无需依赖 SFT。这一突破为该领域的未来进步铺平了道路。
我们介绍了用于开发 DeepSeek-R1 的流程。该流程包含两个 RL 阶段，旨在发现改进的推理模式并与人类偏好保持一致。
Issues· 39 开放
- #881
建议维护者添加标签enhancement【模型评估建议】希望AI这个离线推断不要过度依赖联网搜索的快餐化信息，将联网搜索是否调用的开关放在主页显眼处，由用户来决定是否开启
更新于 2026年9月28日 - #882
拉丁美洲关于科学和技术教育的出版物的现状和重要性
更新于 2026年9月25日 - #880
大的错误
更新于 2026年9月21日 - #879
大问题
更新于 2026年9月21日 - #878
聊天机器人 #1
更新于 2026年9月19日 - #877
讨论: 适用于具有支付障碍的区域的 OpenAI 兼容 API 代理
更新于 2026年9月18日 - #876
功能请求: 在聊天中保存和传输通信风格
更新于 2026年9月4日 - #453
ds内置的农历和公历转换算法有误
更新于 2026年8月31日 - #870
Marco
stale更新于 2026年8月29日 - #875
在 Papers with Code 上验证评估
更新于 2026年8月28日