DeepSeek-AI 的 DeepSeek-R1 系列模型，通过强化学习（RL）而非监督微调（SFT）训练，包含 DeepSeek-R1-Zero 和 DeepSeek-R1 以及基于 Llama 和 Qwen 的六款密集模型，表现出色，尤其在数学、编程和推理任务上。