DeepSeek团队都来自国内顶尖高校
最近有些人觉得恐怖，deepseek的思维链很像人了。我解释一下是怎么出来的，还是算法，不要怕
在deepseek app里，点击深度思考（R1），机器就不仅输出最后答案，还把中间的思维过程展示出来。
一些人就觉得很恐怖，很像人了。这个不要怕，是模拟出来的思维链（COT， Chain of Thought）。
以前的大模型直接输出结果，没有这个COT中间输出。直接输出的，其实是文字序列，一个个词吐出来。
从OpenAI的o1开始，思维链流行起来。其实没什么，思维链也是文字序列。只不过大模型开发者先给它不少时间，几十秒上百秒，去输出思维链序列。然后再根据思维链，来给出最终结果，如数学题。
那么思维链是怎么弄出来的？图二，就是deepseek r1-zero的训练，是被开发者强迫训练的。让它必须输出《think》和《/think》包住的COT文字序列。
一开始，大模型输出的COT序列短，也没逻辑。那训练者就搞“强化学习”，改它的系数，让它输出COT能好些，有聪明的训练策略。时间一长，不断改进，这COT输出就越来越好了。
而且大模型自己也发现了，COT挺好玩，似乎思维有本质变化。出现了像是“自我检查”、“反思”的文字序列。其实都是人类强迫它训练的结果，输出的序列像是在反思。因为人类就是这么思维的，机器用文字序列的办法模拟了，不知道自己在干什么。就像AlphaZero，自己从零学习围棋，发现了吃子技术，到一定阶段，还发现了最复杂的“征子”技术。
所以，都是人类设计的输出序列。不像就训练，越来越像，就模拟了人类思维。其实就是把人类思维以文字序列的形式，生成展示出来。大模型只知道文字token，没有感觉，所以不知道自己在干什么。
