北京大學發(fā)布的《北京大學內部手冊Ⅲ-DeepSeek-R1及類強推理模型開發(fā)解讀》，詳細介紹了DeepSeek-R1模型在大語言模型對齊和可擴展監(jiān)督領域的研究進展。主要內容包括模型核心技術RL（強化學習）加持的推理范式創(chuàng)新，特別是零樣本與純RL驅動模型的研發(fā)，展示了其優(yōu)越的數學和編碼性能，并在多項國際評測指標中超越競爭對手，尤其強調了后訓練階段Scaling Law的重要意義及實現方法，提出了未來在強推理、長鏈思考等方面的展望，以及模態(tài)穿透對未來AI發(fā)展的影響。此外，文章對當前模型面臨的挑戰(zhàn)如overthinking、多模態(tài)對齊進行了探討，并介紹了DeepSeek-V3的基礎架構和技術參數。

適合人群：適合AI從業(yè)者、研究人員、高校師生及其他對大語言模型、機器學習算法和AI安全有興趣的專業(yè)人士閱讀和學習。

使用場景及目標：適用于了解大語言模型發(fā)展的最新進展及關鍵技術，特別針對如何利用深度學習和強化學習提升AI推理能力和安全性；為未來AI系統的研發(fā)指明方向。