《自然》封面故事：DeepSeek-R1的科学 ︱2025年9月18日刊

背景：大语言模型在解决复杂问题时需要人类干预进行标注和注释，难以自主进行推理。研究目的：DeepSeek团队旨在训练模型通过强化学习自主进行推理，减少人为干预。结论：DeepSeek-R1模型通过奖励正确解答和惩罚错误，学会逐步推理并自我验证，显著提升了在数学、编程及科学问题上的表现。