9月17日，梁文锋团队在《自然》杂志发表论文，介绍开源AI模型DeepSeek-R1采用的大规模推理模型训练方法。研究表明，通过纯强化学习训练大规模推理模型，可有效提升大语言模型推理能力并降低人类输入需求。该模型在数学、编程竞赛及STEM领域研究生水平任务中表现优异，如数学基准测试得分达77.9%（DeepSeek-R1-Zero）和79.8%（DeepSeek-R1）。模型以解决问题获奖励机制强化学习，减少训练成本与复杂性。团队称未来将聚焦优化奖励过程以提高推理可靠性。
（科技日报记者 张梦然 岳靓）
网友评论
