为什么说DeepSeek的R1-Zero比R1更值得关注？

文章预览

选自 ARC Prize博客 作者：Mike Knoop 机器之心编译 R1-Zero 等模型正在打破人类数据瓶颈，开启 AI 自我进化新范式？ 「比起 R1，DeepSeek 同一时间发布的 R1-Zero 更值得关注。」这是 ARC Prize 联合创始人 Mike Knoop 在一篇新博客中发表的观点。 他认为，R1-Zero 之所以比 R1 更值得分析，是因为它完全依赖强化学习（RL），而不使用人类专家标注的监督微调（SFT），这表明在某些任务中，人类标注并非必要，且未来可能通过纯 RL 方法实现更广泛的推理能力。 此外，R1 和 R1-Zero 的成功还能让我们读出一些信息，比如： 通过投入更多计算资源，AI 系统的准确性和可靠性可以显著提升，这将增强用户对 AI 的信任，推动商业化应用。 推理过程正在生成大量高质量的训练数据，且这些数据由用户付费产生，这种「推理即训练」的新范式可能彻底改变 AI 数据经济的运作方 ………………………………