《自然》封面故事：DeepSeek-R1的科学 ︱2025年9月18日刊

封面图片：Nik Spencer/ Nature.

大语言模型（LLM）如果能被训练成在解答过程中设定步骤，就能更好地解决问题。这种“推理”过程类似于人类解决复杂问题的方法，但对人工智能非常困难，需要人类干预来添加标签和注释。在本期《自然》中，DeepSeek 的研究者揭示了他们如何训练模型不仅能以这种方式推理，而且尽量减少人为干预。DeepSeek-R1模型使用强化学习训练，当它正确解答数学问题时能得到高分奖励，错误时则受到惩罚。从中它学到，推理——逐步解决问题并揭示这些步骤——更可能实现正确解答。这让DeepSeek-R1能自我验证和自我反思，在给出答案前检查自身表现，从而提升在编程问题以及研究生水平的科学问题上的表现。

点击“阅读原文”发现更多新鲜Nature精彩内容