AI 终极十问！DeepSeek 如何颠覆开发者认知？

但 DeepSeek R1 的不同之处在于它能够拆解问题、进行多步推理，甚至在复杂情境下进行自我调整，这正是推理模型带来的全新体验，也是引发科技圈为之兴奋的一大亮点。

从技术角度来看，很多人都好奇 DeepSeek R1 为什么展现出“思考”与“推理”能力？

根据 DeepSeek 论文显示，其核心技术主要依赖于纯强化学习（Reinforcement Learning，RL）技术。值得一提的是，当 DeepSeek R1 大杀四方之际，不少技术人将目光对准的是它的前身——DeepSeek-R1-Zero，这款模型建立在 DeepSeek V3 基础模型之上，采用的方法与典型的 RL 流程明显不同（即在 RL 之前应用监督微调 SFT）。DeepSeek-R1-Zero 仅使用强化学习进行训练，跳过了用于指令调整的监督微调（SFT）阶段。

对于奖励，DeepSeek 也没有使用基于人类偏好的奖励模型，而是采用了两种奖励类型，一种是准确性奖励，通过 LeetCode 编译器来验证编码答案，并使用确定性系统评估数学响应；另一种是格式奖励，主要依赖于 LLM 判断者，确保响应遵循预期的格式，例如将推理步骤放入标签中。

DeepSeek 团队观察到，尽管没有经过明确的训练，这种方法足以让 LLM 发展出基本的推理技能。有了这一发现，DeepSeek 团队进一步在 DeepSeek-R1-Zero 模型的基础上，使用了额外的 SFT 阶段，并结合 RL 进行微调，使模型的推理能力进一步提升，最终演化出了引领 AI 风潮的 DeepSeek R1。

在此背景下，有人认为，DeepSeek 实现模型的自我进化这种方式，代表了一种全新的 AI 训练范式，有望推动 AI 变革。

然而，也有人持不同看法，认为 DeepSeek 的突破更多体现在工程实践，而非科学创新。据 CNBC 报道，谷歌 DeepMind 首席执行官 Demis Hassabis 评价称，DeepSeek 的模型“是一项令人印象深刻的工作”，并可能“是中国最好的作品”，但从技术角度来看，“尽管外界热议不断，但实际上并没有带来新的科学进步……它只是基于人工智能领域已有的技术。”

这也引发了技术圈对未来大模型训练的热烈讨论。DeepSeek 的推理能力是否真正颠覆了认知？DeepSeek R1 的惊艳亮相，R1-Zero 的探索实践，是否正在重塑 AI 训练模式？强化学习在推理能力上的瓶颈、计算成本挑战怎么激活成功教程？AI 技术以及开发者的职业又会发生怎样的转折？

怀揣着对这些关键技术、迭代方向的疑问，CSDN《万有引力》栏目的“DeepSeek 暨 AI 进化论十日谈”的第八期，我们围绕“DeepSeek 对 AI 技术及开发者的刷新十问”主题特设十问，邀请来自上海人工智能实验室青年科学家崔淦渠，中国石油大学（北京）副教授、人工智能学院计算机系系主任吕仲琪，在 CSDN &《新程序员》执行总编、《万有引力》主理人唐小引的主持下，于 2 月 12 日 20:00 相约线上，展开一场深度对话。

通过精彩的观点碰撞，共同剖析四大维度难题：

• DeepSeek 技术创新颠覆认知了吗？
• R1 爆火背后，神秘的 R1-Zero
• 模型基建化 VS 模型产品化，未来发展路径如何？
• AI 模型能力狂飙，如何重塑人类职业价值？

欢迎点击视频号预约直播，解答你对 DeepSeek 的疑惑！