DeepSeek-R1：通过强化学习提升大模型推理能力

原论文标题： DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
机构： DeepSeek AI
arXiv： 2501.12948
发布时间： 2025-01

论文简介

DeepSeek-R1 提出通过强化学习（RL）直接激励模型产生更优的推理路径，而非单纯依赖监督微调。模型在数学推理、代码生成和复杂逻辑任务中表现显著提升。

技术亮点

• 强化学习驱动长链推理
• 提升数学与代码推理稳定性
• 对比传统 SFT 模型表现更优

技术意义

该工作代表 2025 年“RL 强化推理”方向的重要成果。