大模型之家讯 9月18日消息，DeepSeek‑AI团队负责人梁文锋及其同事在《自然》杂志上发布了开源人工智能模型DeepSeek‑R1的训练方法。研究显示，利用纯强化学习可显著提升大语言模型（LLM）的推理能力，减少对人类示例的依赖，降低训练成本。DeepSeek‑R1在数学、编程竞赛以及STEM领域的研究生水平题目上均优于传统训练的LLM，得分分别为77.9%（DeepSeek‑R1‑Zero）和79.8%（DeepSeek‑R1）。模型采用奖励机制，让模型在解决问题后获得模板化的推理过程，从而强化学习效果。团队指出，未来可进一步优化奖励设计，提升推理结果的可靠性。此举标志着强化学习在 AI 推理领域的应用迈向实用化，为数学与科学计算提供更高效、低成本的技术方案。
