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

离开马斯克后，他把人形机器人做成了这样

让欧美老外彻底“真香”，这家中国割草机器人品牌正在定义一个行业新标准

给AI打个分，结果搞出17亿估值独角兽？？？

NVIDIA 发布全新物理 AI 模型，全球合作伙伴展示新一代机器人

刚刚，智谱港交所敲钟！市值528亿港元