29 lines
814 B
Markdown
29 lines
814 B
Markdown
---
|
||
title: "DeepSeek-R1"
|
||
created: 2025-06-02
|
||
updated: 2025-06-02
|
||
type: concept
|
||
tags: [reasoning-model, llm, deepseek, placeholder]
|
||
sources: []
|
||
---
|
||
|
||
# DeepSeek-R1
|
||
|
||
> DeepSeek 发布的开源推理模型（Guo et al., 2025），通过强化学习激励推理能力，在多个基准上达到领先水平。
|
||
|
||
## 核心特点
|
||
|
||
- 基于 RL 的推理能力训练（非 SFT）
|
||
- 生成显式推理 token（thinking tokens），随后生成回复
|
||
- 主要基于单轮推理数据训练
|
||
|
||
## 在多轮推理中的局限
|
||
|
||
[[goru-one-pass-to-reason-2025]] 指出，DeepSeek-R1 遵循行业惯例——推理 token 在后续轮次中被丢弃，导致多轮微调效率低下（需 N 遍前向传播）。
|
||
|
||
## 相关
|
||
|
||
- [[goru-one-pass-to-reason-2025|One-Pass to Reason]]
|
||
- [[multi-turn-reasoning]]
|
||
- [[visibility-constraint]]
|