原创力文档- 1、本文档共76页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
y
t
i
s
r
DeepSeek-R1\Kimi1.5及
e
v
i
类强推理模型开发解读
n
陈博远
U
北京大学2022级“通班”
g
主要研究方向：大语言模型对齐与可扩展监督
n
i
https://cby-pku.github.io/
k/
e
P
北大对齐小组
Outline2
➢DeepSeek-R1开创RL加持下强推理慢思考范式新边界
➢DeepSeek-R1Zero及R1技术剖析
➢Pipeline总览\DeepSeek-V3Base\DeepSeek-R1Zero及R1细节分析
y
t
➢RL算法的创新：GRPO及其技术细节i
s
➢DeepSeek-R1背后的InsightsTakeaways：RL加持下的长度泛化\推理范式的涌现
r
➢DeepSeek-R1社会及经济效益e
➢技术对比探讨v
i
➢STaR-basedMethodsvs.RL-basedMethods强推理路径对比(DS-R1\Kimi-1.5\o-series)
n
➢蒸馏vs.强化学习驱动：国内外现有各家技术路线对比分析及Takeaways
➢PRMMCTS的作用U
➢从文本模态到多模态g
➢其他讨论：Over-Thinking过度思考等
n
文档评论（0）