ديب سيك آر1

نموذج لغوي كبير من شركة ديب سيك متخصّص بالاستدلال، دُرِّب أساساً بالتعلم المعزَّز الخالص (بخوارزمية GRPO) بدل الضبط الدقيق المُشرَف، فبرزت لديه سلوكيات مثل التأمل الذاتي والتحقق تلقائياً.

A reasoning-focused large language model from DeepSeek trained primarily with pure reinforcement learning (using the GRPO algorithm) rather than supervised fine-tuning, causing behaviors such as self-reflection and verification to emerge on their own.