2025 · DeepSeek-AI · 用强化学习激发长推理，开源推理模型的里程碑
2025 年，DeepSeek 发布 R1。R1-Zero 直接从基础模型出发，用 GRPO 强化学习训练，只按答案正确性和格
全文 141 字，已试读约 23%。开通专业版可阅读全文，并解锁全部官方课程与后续更新。
支持 7 天无理由退款 · 早鸟价 99 元/年（售完恢复365/年）
课程中涉及的第三方项目，其著作权与商标归各自权利人所有；引用处的署名与许可见《开源与来源说明》。