DeepSeek-R1 推理模型技术报告深度解读：强化学习如何涌现推理能力

DeepSeek-R1 证明了纯强化学习（RL）可以在不依赖监督微调的情况下涌现出强大的链式推理能力。本文拆解其 GRPO 算法、奖励设计与蒸馏策略，并分析 R1-Zero 的"顿悟时刻"对开源社区的意义。