主要证据
- DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement LearningS1 · 主要研究来源 · 论文 · 2025-01-22
- DeepSeek-R1 model and technical release repositoryS1 · 主要研究来源 · 代码仓库
DeepSeek-R1 展示开放强化学习推理模型的前沿数学能力
R1-Zero 在无 SFT 冷启动的情况下使用强化学习；R1 则加入多阶段训练并开放多个蒸馏模型。
发生了什么？
DeepSeek-R1 与 R1-Zero 展示了由大规模强化学习产生的强推理行为，论文报告 R1 在推理任务上可与 OpenAI o1 相比。
为什么重要？
该发布加速了开放社区对推理模型、验证器引导强化学习与数学专项后训练的研究，为后续专门的 AI4Math 系统提供背景。
重要性说明：DeepSeek-R1 对通用推理模型发展具有重要意义，但对 AI4Math 主要属于背景事件：数学主要作为能力评测，而该发布本身并未贡献数学新结果、证明、形式化或数学专项系统。
历史脉络
证据与状态一览
- 重要性
- H3 · 背景事件
- 验证状态
- 论文已发布
- 证据等级
- E3 · 可检查工件
- AI 角色
- 仅计算支持
- 形式保障
- 有形式化工件
贡献与验证
- 数学新颖性
- 基准结果
- 接口
- 非形式化, 符号
- AI 贡献
- 模型通过强化学习目标学习并执行长程数学推理。
- 人类贡献
- 研究者设计 RL 与冷启动方案、训练模型并开放权重。
- 验证状态
- 论文已发布 · E3 · 可检查工件 · 有形式化工件
- 最后审阅
- 2026-09-11
技术细节
- 系统
- deepseek-r1
- 机构
- deepseek
- 数学问题
- aime, math-benchmark
- 方法
- reinforcement-learning, reasoning-model, distillation
全部来源与工件
- DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement LearningS1 · 主要研究来源 · 论文 · 访问于 2026-09-10
- DeepSeek-R1 model and technical release repositoryS1 · 主要研究来源 · 代码仓库 · 访问于 2026-09-11
验证历史
- 2025-01-22 · 论文已发布 · E2 · 研究记录
Chronicle 依据所引 primary / official source 记录该事件；该状态不表示 Chronicle 已完成独立验证。
- 2026-09-11 · 论文已发布 · E3 · 可检查工件
本轮 corpus 刷新增补了由作者或发布机构维护、可直接检查的公开产物。E3 表示证据已达到可检查 artifact 层级，并不等同于底层科学或数学主张已获得独立验证。
更正
当前没有记录的更正。