原创力文档- 1、本文档共22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
deepseelc
DeepSeek-R1：通过激励llm中的控制能力
强化学习
DeepSeek-人工智能
research@
摘要
我们介绍了我们的第一代重新定位模型，DeepSeek-r1-零和DeepSeek-r1。DeepSeek-R1-
Zero是一个通过大规模强化学习（RL）训练的模型，没有经过监督微调（SFT）作为初步步骤，
展示了显著的推理能力。通过RL，DeepSeek-R1-零natu集会出现了许多强大而有趣的推理行为
。然而，它遇到了诸如可读性差和语言混合等挑战。为了解决这些问题并进一步提高推理性能，
我们引入了DeepSeek-R1，它在RL之前结合了多阶段训练和冷启动数据。DeepSeek-R1在推理
任务上取得了与OpenAI-o1-1217相当的性能。为了支持研究社区，我们开源了DeepSeek-R1-零
、DeepSeek-R1、r1和6个密集模型（1.5B、7B、8B、14B、32B、70B）。
DeepSeek-R1OpenAI-o1-1217DeepSeek-R1-32BOpenAI-o1-miniDeepSeek-V3
100
97.3
96.396.696.4
94.3
93.4
91.8
90.690.090.290.8
88.5
87.4
85.2
8079.879.2
75.7
文档评论（0）