DeepSeek-R1-Zero – 量子位

DeepSeek-R1-Zero

1/30训练步骤复刻DeepSeek-R1-Zero，沈向洋姜大昕张祥雨等开源推理模型RL训练方法

复杂奖励函数不是必要的

西风 2025-02-22

DeepSeek-R1-Zero 沈向洋阶跃星辰

加载更多

热门文章

网易有道发布中国版“OpenClaw”，推出全场景个人助理Agent“LobsterAI”

华为升级行业Agent算法架构！MindScale自己写prompt和工作流，KV Cache减少5.7倍token

小米的首代机器人VLA大模型来了！丝滑赛德芙，推理延迟仅80ms丨全面开源

这个春节P图不求人！小红书开源图像编辑新SOTA

蚂蚁集团开源Ring-2.5-1T，全球首个混合线性架构万亿参数思考模型来了