物理测试暴击AI圈，DeepSeek R1稳超o1、Claude，我们已进入RL黄金时代
就说这个本周刚发布的 DeepSeek R1，它没有任何监督训练的纯强化学习路线令人震撼，从去年 12 月 Deepseek-v3 基座发展到如今堪比 OpenAI o1 的思维链能力，似乎是很快达成的事。