DeepSeek-R1 — Reasoning via RL (2025)
研究論文
推論
The open recipe for reasoning models — a Nature cover, from a hedge fund's lab.
これは論文のレコードです。重要な研究論文と、それが分野にもたらした貢献を紹介します。
The R1 report showed reasoning emerging from pure reinforcement learning on verifiable problems (R1-Zero), then a practical pipeline mixing SFT and RL — published openly with weights while Western labs kept their recipes closed. It democratized the o1 breakthrough within weeks and later ran as Nature's cover paper.
スタック全体とのつながり
このレコードのリンク一覧 — グループをクリックするとジャンプします。
導入時期：
出典
レコードのレビュー時点： 2026-01-15 — 表示 調査手法.