DeepSeek开源o1击毙OpenAI，强化学习惊现「啊哈」时刻！网友：AGI来了

文章预览

   新智元报道   编辑：编辑部 Yhs 【新智元导读】 中国版o1刷屏全网。DeepSeek R1成为世界首个能与o1比肩的开源模型，成功秘诀竟是强化学习，不用监督微调。AI大佬们一致认为，这就是AlphaGo时刻。 一觉醒来，AGI就实现了？！中国开源版o1，直接冲爆了整个AI圈。 继DeepSeek V3之后，DeepSeek再次官宣了全新推理模型——DeepSeek-R1。 让所有人为之震惊的是，新模型直接与o1打平手，关键还是开源版的o1。 当人们扒开其22页技术报告后发现，DeepSeek-R1在强化学习阶段之前，没有进行微调SFT，便在性能上刷新SOTA。 也就是说，R1自己就学会了推理，就像战胜人类的AlphaZero/AlphaGo一样。 还有一点，就是连研究人员都没有预料到——R1竟出现了「啊哈」时刻！ 研究人员称，这一刻凸显了强化学习的力量和美妙之处。 「我们没直接教模型如何解决问题，只是给予它正 ………………………………