GRPO

DeepSeek R1系列模型是AI开源领域的里程碑式突破，首次公开了构建ChatGPT级别智能的完整配方。核心技术包括：GRPO取代昂贵的PPO训练范式，使AI能自主生成多个答案并相互评判；模型首次涌现出"暂停思考"的反思能力；纯强化学习验证了无需人类示例仅凭规则自学的可行性；蒸馏技术使70亿参数小模型在竞赛级数学问题上超越GPT-4o近6倍。这标志着AI开发权的根本性转移，一项曾经需要数十亿美元训练成本的技术将免费向公众开放，未来普通用户可在本地运行同等智能水平的AI系统。