科技日报 | DeepSeek-R1模型训练方法发布

Miller

　　科技日报北京9月17日电 （记者张梦然）DeepSeek-AI团队梁文锋及其同事17日在《自然》杂志上发表了开源人工智能（AI）模型DeepSeek-R1所采用的大规模推理模型训练方法。研究表明，大语言模型（LLM）的推理能力可通过纯强化学习来提升，从而减少增强性能所需的人类输入工作量。训练出的模型在数学、编程竞赛和STEM领域研究生水平问题等任务上，比传统训练的LLM表现更好。

　　DeepSeek-R1包含一个在人类监督下的深入训练阶段，以优化推理过程。梁文锋团队报告称，该模型使用了强化学习而非人类示例来开发推理步骤，减少了训练成本和复杂性。DeepSeek-R1在被展示优质的问题解决案例后，会获得一个模板来产生推理过程，即这一模型通过解决问题获得奖励，从而强化学习效果。团队总结说，未来研究可以聚焦优化奖励过程，以确保推理和任务结果更可靠。

　　在评估AI表现的数学基准测试中，DeepSeek-R1-Zero和DeepSeek-R1得分分别为77.9% 和 79.8%，在编程竞赛及研究生水平的生物学、物理和化学问题上同样表现优异。

       转自《科技日报》 2025-09-18     第01版：今日要闻

附：
DeepSeek-R1 incentivizes reasoning in LLMs through reinforcement learning
https://doi.org/10.1038/s41586-025-09422-z

Ray

作者很多，都是中国人，多数是DeepSeek的员工，清北中科大的学霸

看到两个作者比较特殊：
Fuli Luo
Present address: Individual Researcher, Beijing, China

Jinhao Tu
Present address: Jianping High School, Shanghai, China

不知道这个“Jinhao Tu”是老师还是学生？  要是学生的话，可是太牛了！

Ballard

Ray 发表于 2025-9-19 13:48
作者很多，都是中国人，多数是DeepSeek的员工，清北中科大的学霸

看到两个作者比较特殊：

这个“Jinhao Tu”的确是中学生。涂津豪，上海建平中学18岁高三学生，获得过2024阿里巴巴全球数学竞赛AI挑战赛第一名。

独家观点｜2024阿里全球数赛AI挑战赛冠军涂津豪：要把AI当玩具一样用起来