deepseek-r1论文-中文翻译版.pdf

1、本文档共14页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

DeepSeek-R1：通过强化学习激励大语言模型的推理能力

左元翻译

日期：February2,2025

摘要

本文介绍了我们的第一代推理模型，DeepSeek-R1-Zero和DeepSeek-R1。DeepSeek-R1-Zero是通过大规

模强化学习（RL）训练的模型，在没有使用监督微调（SFT）这个前置步骤的情况下，展示了卓越的推

理能力。通过强化学习，DeepSeek-R1-Zero自然而然的展现出了许多强大而有趣的推理行为。然而，它

也面临一些挑战，如可读性差和多语言混合等问题。为了解决这些问题并进一步提高推理性能，我们引

入了DeepSeek-R1，该模型在强化学习之前结合了多阶段训练和冷启动数据。DeepSeek-R1在推理任务

中的表现与OpenAI-o1-1217相当。为了支持研究社区，我们开源了DeepSeek-R1-Zero、DeepSeek-R1以

及六个稠密模型（1.5B、7B、8B、14B、32B、70B），这六个稠密模型是使用DeepSeek-R1对Qwen和

Llama蒸馏而来。

DeepSeek-R1OpenAI-o1-1217DeepSeek-R1-32BOpenAI-o1-miniDeepSeek-V3

100

97.3

96.396.696.4

94.3

93.4

91.8

90.690.090.290.8

88.5

87.4

85.2

8079.879.2

75.7

72.6

知识就是力量。祝您成功。

咨询Ta 进入空间

更多 >