DeepSeek凭借其创新的技术和卓越的性能，迅速崭露头角，成为行业内备受瞩目的力量。DeepSeek的应用不仅在国内外各大社交媒体平台上取得了显著的用户增长，还在AI技术的多项评比中名列前茅，展现了其强大的市场竞争力。 DeepSeek R1模型引入了不依赖监督微调的强化学习技术，使得模型在微调后的性能大幅提升。例如，在数学能力方面，基础模型的得分为100分，而经过微调后，得分可达到450分。本文基于对DeepSeek-V3和R1论文的研究，解析 DeepSeek-R1 的训练过程以及其核心技术原理。