按照DeepSeek的介绍，它这次发布了三组模型：1）DeepSeek-R1-Zero，它直接将RL应用于基座模型，没有任何SFT数据，2）DeepSeek-R1，它从经过数千个长思想链（CoT）示例微调的检查点开始应用RL，和3）从DeepSeek-R1中蒸

openai deepseek deepseekr1 2025-01-21 09:51  4