·技术
1 分钟0
推理觉醒：RLVR、GRPO 与 o1/R1 开启的第二次 Scaling 革命
> 2024 年 9 月 12 日，OpenAI 发布 o1，几乎不公布任何技术细节，只留下一句话：让模型在回答前花更长时间思考，而思考能力是用强化学习训出来的。四个月后，DeepSeek-R1 把整套配方连源码带权重砸给全世界。这是本系列的核心篇章：RL 如何第一次取代"模仿人类"，成为大模型能力
> 2024 年 9 月 12 日，OpenAI 发布 o1，几乎不公布任何技术细节，只留下一句话：让模型在回答前花更长时间思考，而思考能力是用强化学习训出来的。四个月后，DeepSeek-R1 把整套配方连源码带权重砸给全世界。这是本系列的核心篇章：RL 如何第一次取代"模仿人类"，成为大模型能力