梁文锋发表Nature封面论文：揭开DeepSeek-R1背后的科学原理——强化学习激励大模型推理能力

撰文丨王聪 编辑丨王多鱼 排版丨水成文 让 AI 模型像人类一样进行 推理 是一个长期且艰巨的挑战。 大语言模型 （LLM） 已显示出一些推理能力，但其训练过程需要大量计算资源。通过人工提示引导 可改进这类模型，促使其生成中间推理步骤，从而大为强化其在复杂任务中的表现。但这种方法会导致计算成本过高，且解决复杂问题能力仍然不足。 2025 年 1 月 20 日，一家来自中国杭州的初创公司 深度求索 （DeepSeek） 发布了一款推理模型—— DeepSeek-R1 ，该模型推理能力强大，而对算力的需求 很低，因此使用成本大幅降低，在全世界科技界迅速引发关注。 2025 年 9 月 17 日， DeepSeek 研究团队在国际顶尖学术期刊 Nature 上发表了题为 ： DeepSeek-R1 incentivizes reasoning in LLMs through reinforcement learning 的研究论文， 梁文锋 为论文通讯作者，该论文还被选为本期 封面论文 。 该论文揭示了 DeepSeek-R1 所采用的 大规模推理模型训练方法，表明了大语言模型 （LLM） 的推理能力可通过 纯强化 ...