训练过程中，DeepSeek-R1-Zero展现出令人惊叹的自我进化能力，学会了生成数百到数千个推理token，深入探索和完善思维过程，还发展出反思能力和探索不同解题方法的能力。先进行冷启动SFT，人工筛选高…
10/31 16:58
10/31 16:56
10/31 16:55
京公网安备 11011402013531号