一个典型的例子是，随着强化学习训练的不断进行，在 AIME 2024 数学竞赛基准上的表现，DeepSeek-R1-Zero 的 Pass@1得分从 15.6% 提升至 71.0%，最终的 DeepSee…
10/31 16:58
10/31 16:56
10/31 16:55
京公网安备 11011402013531号