毫无征兆！DeepSeek R1爆更86页论文，这才是真正的Open

DeepSeek将其R1模型论文扩展至86页，详述了仅用强化学习提升推理能力的技术路径。该模型在数学与编程任务中表现优异，AIME得分超人类均值，Codeforces胜率93.6%，性能媲美GPT-4o与Claude 3.5。训练成本约29.4万美元，支持跨规模知识蒸馏，并揭示模型在训练中出现“反思”行为的智能涌现现象。安全测试覆盖50种语言共9,330题，整体防护能力接近先进闭源模型，但在知识产权类问题上存在短板。论文还系统复盘了PRM、MCTS等失败尝试，强调基础模型、奖励机制与SFT+RL协同训练的关键作用，同时应用端新增语音输入，或正布局多模态。
来源：https://mp.weixin.qq.com/s/I3re_6qIBufSMkZk-mXOlg