阿里妹导读本文描述DeepSeek的三个模型的学习过程，其中DeepSeek-R1-Zero模型所涉及的强化学习算法，是DeepSeek最核心的部分之一会重点展示。一、背景随着DeepSeek的火爆使用，其背后的训练技术也值得深入学习，整体DeepS ...