【米兰·(milan)中国官方网站科技消息】近期，科技界最为热议的词汇非“DeepSeek”莫属。据悉，DeepSeek-R1在数学、代码自然语言推理等领域的表现，已经能够与OpenAI的GPT-1正式版相媲美，其火爆程度席卷全球。而最近，DeepSeek的研究员在线透露了一个消息：R1的训练过程仅仅耗时两到三周，研究员们在春节期间也未停歇，继续全力推进研究，接下来还有大招。

　　几天前，Daya Guo发布了一条推文，分享了他春节期间最为兴奋的事情——亲眼目睹了R1-Zero模型性能曲线的“持续增长”，并深切感受到了强化学习（RL）的强大力量。在回复网友关于DeepSeek R1的问题及公司后续计划时，Daya Guo透露，DeepSeek的R1只是一个开始，内部研究正在快速推进。他强调，研究员们在春节期间一直在加班加点地推进研究。

　　对于网友提问的“如果不是秘密的话，这次RL训练跑了多久？”Daya Guo回应称，660B参数的R1-Zero和R1是在V3版本发布后才开始训练的，整个过程大约花费了2-3周的时间。此外，他还透露团队正在尝试将R1应用于形式化证明环境，并希望尽快向社区发布更加优秀的模型。从Daya Guo的言辞中不难看出，他们在这方面已经取得了进展，未来或将有更多重量级的模型问世，令人充满期待。

版权所有，未经许可不得转载