文章预览
春节期间大家体验了DeepSeek-R1（图1），从最开始的新鲜劲儿，到现在也感觉它有套路了。动不动“当”字开头写小作文，似乎也就三板斧。 不过官方论文（图5知识星球里有）里藏着个更强的版本——DeepSeek-R1-Zero（图2）。 这货有多离谱？ 简单说，传统AI训练像虎妈带娃：做对给糖，做错挨揍（专业术语叫“监督微调”）。但R1-Zero直接掀了这桌——“老子自学成才，人类别哔哔”。 它玩的是纯强化学习，不靠人类标注数据，自己琢磨解题逻辑，甚至能搞出思维链自嗨一条龙：自我验证、反思、推理，活脱脱AI界的“闭关修炼”（图3）。 最骚的是，论文说这是全球首次证明大模型不用人类教，也能觉醒推理能力。 懂的都懂，这剧情和AlphaZero一毛一样。当年AlphaGo靠人类棋谱暴打李世石，已经很厉害了。 结果进阶版AlphaZero直接删了人类教材，自己左
………………………………
