作为一家专注于大语言模型(LLM)和通用人工智能(AGI)技术的中国公司，DeepSeek(深度求索)今年早些时候发布的开源人工智能(AI)模型DeepSeek-R1采用的大规模推理模型训练方法，颇受关注。
北京时间9月17日夜间，该训练方法在国际知名学术期刊《自然》上线发表，其揭示AI技术背后的科学研究表明，大语言模型的推理能力可通过纯强化学习来提升，从而减少增强性能所需的人类输入工作量。训练出的模型在数学、编程竞赛和STEM(科学、技术、工程、数学)领域研究生水平问题等任务上，比传统训练的大语言模型表现更好。
论文通讯作者为DeepSeek创始人梁文锋，他领导的DeepSeek-AI团队表示，让AI模型像人类一样进行推理一直是难题，虽然大语言模型已显示出一些推理能力，但训练过程需要大量计算资源。通过人工提示引导可改进这类模型，促使其生成中间推理步骤，从而大为强化其在复杂任务中的表现。不过，这个方法会导致计算成本过高，并限制其扩展潜力。
DeepSeek-AI团队介绍说，DeepSeek-R1包含一个在人类监督下的深入训练阶段，以优化推理过程。该模型使用了强化学习而非人类示例来开发推理步骤，从而减少了训练成本和复杂性。DeepSeek-R1在被展示优质的问题解决案例后，会获得一个模板来产生推理过程。这一模型通过解决问题获得奖励，从而强化学习效果。
在评估AI表现的数学基准测试中，DeepSeek-R1-Zero和DeepSeek-R1得分分别为77.9%和79.8%。此外，该模型在编程竞赛及研究生水平的生物学、物理和化学问题上同样表现优异。
《自然》同期发表国际同行专家的“新闻与观点”文章指出，当前版本的DeepSeek-R1有一些能力限制，希望能在未来版本中得到改进。例如，该模型有时会混合语言，目前只针对中文和英文做了优化；它对提示词也很敏感，需要精心设计的提示词工程，在某些任务上没有展现出明显提升，例如软件工程任务。
DeepSeek-AI团队总结认为，未来研究可以聚焦优化奖励过程，以确保推理和任务结果可靠。
