前沿科技事实核验 99.8
引述参考 310DeepSeek-R1与推理大模型体系演进：强化学习、长链思维与落地成本剖析
系统拆解 DeepSeek-R1 纯强化学习（Cold-Start & Multi-Stage RL）训练范式、混合专家（MoE）671B 架构中仅激活 37B 参数的计算效率优势，对比 OpenAI o1/o3 的推理计算预算分配（Inference-time Compute）与企业级私有化微调成本结构。
核心要点速览
• DeepSeek-R1 的核心突破在于验证了：不依赖海量人工精标 SFT（监督微调），直接通过大规模纯强化学习（RL）同样能够自发激发出长思维链（CoT）与自我纠错反思能力。