演讲主题

从DeepSeek R1的复现看深度思考模型的未来

DeepSeek R1开源后，学术界涌现大量复现研究，涵盖SFT阶段的轻量适配（如S1）与RL阶段的创新实践。本次分享将系统梳理其技术脉络，重点解析两阶段训练范式：冷启动微调结合多领域数据优化，通过GRPO强化学习与全场景对齐实现能力跃迁。 本分享试图回答其中关键技术问题，比如RL Scaling Law的界限在哪里？影响SFT阶段蒸馏方法效果的关键因素是什么？怎么解释DeepSeek 提到的Aha Moment等。