DeepSeek-R1‌ 阿里云PAI的DeepSeek-R1大模型介绍

推出了第一版的推理模型——-R1-Zero 和 -R1。其中，-R1-Zero 是通过大规模强化学习（RL）训练而成，未经过监督微调（SFT）作为初步步骤，却在推理任务上展现了卓越性能。借助 RL，-R1-Zero 自然衍生出众多强大且有趣的推理行为。然而，该模型也面临诸如无限重复、可读性差及语言混杂等挑战。为解决这些问题并进一步提升推理性能， 推出了 -R1，它在 RL 之前加入了冷启动数据。-R1 在数学、代码及推理任务上的表现与 -o1 旗鼓相当。本模型可以直接部署，直接部署的模型采用-R1 作为预训练模型，可以根据用户提供的任意文本进行续写。

相关云产品：

阿里云人工智能平台PAI：/go/pai

阿里云官方活动 新老用户同享99元一年，4核带宽70元/月起

阿里云代金券领取入口 aly.wiki 免费领取12张代金券，2088元优惠券

323AI导航网发布