DeepSeek-R1-0120

DeepSeek-R1 — это reasoning model, основанная на обучении с подкреплением (RL), которая решает проблемы повторения и читаемости. До RL, DeepSeek-R1 включала cold-start данные для дальнейшей оптимизации своей производительности в области рассуждений. Она достигает производительности, сопоставимой с OpenAI-o1 в задачах по математике, коду и рассуждениям, и благодаря тщательно разработанным методам обучения, она повысила общую эффективность.