DeepSeek 爆火真相：不靠“人盯”， 让 AI 自己学会慢思考

文章预览

本文整理自 InfoQ 策划的 DeepSeek 系列直播第二期节目—— DeepSeek 爆火背后 DeepSeek，纯强化学习路线到底有何不同 。在直播中，出门问问大模型团队前工程副总李维博士聚焦推理范式的创新，分析了 R1 Zero 对推理模型平民化的创新贡献。他提到，DeepSeek 通过开源和透明化，证明了不需要过程监督，仅通过结果控制就能训练出优秀的推理模型，这大大颠覆了传统认知以及 OpenAI 所暗示的需要在每一步监督推理强化学习的观点。 下文为直播部分内容精选，完整直播回放 & 最新直播预约可关注“AI 前线视频号”查看。 DeepSeek 的最大功绩在于将这一切透明化 InfoQ：“DeepSeek 坚持纯强化学习路线，但业界常说 RL（强化学习）是‘炼丹’”——他们如何让这个过程可控和“平民化”？有什么"推理范式的创新"？ 李维博士： 实际上，推理模型的强化学习 ………………………………