你是否曾经疑惑，像ChatGPT这样的大模型是如何回答问题的？它们真的很聪明吗？其实，大多数AI模型之所以能够进行数学计算、写作或编程，主要是通过“模仿”人类展示的例题和答案。但最近，来自中国的DeepSeek团队在国际顶级期刊《自然》（Nature）上发表了一项突破性研究——DeepSeek-R1，它不再依赖人类写好的解题步骤，而是通过“强化学习”自主学会了推理能力。

传统大模型

人类教，AI学

以往的大模型（例如GPT系列）主要通过以下方式学习：

大量示例学习：研究人员给模型提供成千上万道题和对应的解题过程。

模仿人类思路：模型学习人类的推理模式，但很难跳出人类思维的限制。

依赖标注数据：需要大量人力撰写“推理链”，成本高且可能包含错误或偏见。

也就是说，传统大模型只是在模仿，而不是真正“理解”。


DeepSeek-R1

不用人类教，AI自学推理

DeepSeek-R1最大的不同在于：它不依赖人类写好的推理过程，而是通过“强化学习”（Reinforcement Learning, RL）自己摸索出解题方法。

什么是强化学习？

你可以把它想象成“训狗”：

做对了→给奖励

做错了→没有奖励

DeepSeek-R1就是在这样的机制下，通过反复试错，自己学会了：

写更长的推理：想得更深、更全面

自我纠错：过程中会检查是否出错

尝试多种方法：不局限于一种解法

令人惊讶的是，它甚至出现了“aha moment”（顿悟时刻）——比如在思考中突然写下“wait…（等等）”，好像突然意识到错误，重新调整思路。


和传统大模型相比，DeepSeek-R1强在哪？

相较于依赖大量人工标注和示例推理的传统大模型（如GPT-4），DeepSeek-R1在多个方面实现了显著突破。它采用自主推理机制，不依赖于人类提供的推理过程示例，仅凭问题与答案即可进行训练，并能够主动发现新的解决方法。在数学能力上，DeepSeek-R1在AIME等数学竞赛中表现超过人类平均分；在代码生成方面，其逻辑更连贯稳定，在Codeforces等编程竞赛中成绩优异。此外，该模型具备更强的泛化能力，能够灵活应对训练时未见过的问题类型，展现出更高的适应性和推理自主性。

为什么这项研究如此重要？

第一个经过严格同行评审的大模型：几乎所有主流大模型（如GPT-4、Gemini）都未正式在科学期刊上发表，而DeepSeek-R1是第一个。

AI不再只是“模仿”，而是“思考”：它展示了一条新的技术路径——AI可以自主进化。

推动AI普及：团队还发布了轻量版模型，让更多人和机构能用上强大的推理AI。


未来的AI

不需要人类教，自己学？

DeepSeek-R1向我们展示了一个新的可能性：AI可以超越人类示例的限制，自主发展出更强大的推理能力。虽然目前它还有改进空间（比如偶尔会“想太多”或混合中英文），但这项研究无疑是AI迈向“真正智能”的重要一步。

也许未来的AI不仅能帮助我们解题，还能帮我们发现人类未曾想到的新的解决方案。而这一切，才刚刚开始。


供稿单位：重庆市无线电科普体验中心
论文信息：https://doi.org/10.1038/s41586-025-09422-z
审核专家：杨耀辉
声明：除原创内容及特别说明之外，部分图片来源网络，非商业用途，仅作为科普传播素材，版权归原作者所有，若有侵权，请联系删除。


来源: 重庆市科学技术协会

内容资源由项目单位提供