盘一盘DeepSeekR1最大的亮点
细看甲子光年
2025-01-23 15:13:16
DeepSeek R1发布的论文中提到，提升推理能力的一种有效办法是“后训练”（post-training），主要包括监督微调（Supervised Fine-Tuning, SFT）和强化学习（Reinforcement Learning, RL）两个方向。
SFT的使用是ChatGPT当初成功的关键，而今天的R1 Zero完全用RL取代了SFT。可以说，此次DeepSeek R1发布最大的亮点，就是“没有监督微调下的直接强化学习”。
0
阅读：2
