推理模型 | Chika Komari

body .site-nav .site-menu, body .site-nav [data-theme-toggle] { display: none; } @media(max-width:960px) { body .site-nav { position: relative; flex-wrap: wrap; } body .site-nav .home-site-nav { display: flex; flex-wrap: wrap; order: 4; width: 100%; justify-content: space-between; gap: .5rem; } body .site-nav .home-site-nav a:last-child { display: flex; } body[data-shell-variant="standard"] .main-area { padding-top: 0; } }

讨论：从《DeepSeek-R1 通过强化学习激励LLM中的推理》开始

讨论：从《DeepSeek-R1 通过强化学习激励LLM中的推理》开始

关键观点：LLM 的推理能力可以通过纯强化学习 (RL) 来激励，从而无需人工标记的推理轨迹

2025/09/23 1 分钟