deepseek-r1论文-中文翻译版.pdfVIP

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

71.5

)

%

(