DeepSeek-R1-Zero 和 R1 有什么区别？

一句话速记：R1-Zero 在基座上直接做纯 RL（GRPO + 规则奖励），涌现长思考但可读性差；R1 加入冷启动 SFT 和多阶段训练，解决可读性和通用性。

DeepSeek

同章节的其他八股

• LLaMA 系列有哪些关键改进？
• Qwen 系列的结构和演进？
• DeepSeek-V3 有哪些主要创新？
• 什么是 RLVR？为什么它推动了推理模型的发展？
• 从零训练一个 LLM 的完整流程是怎样的？