浅谈 DeepSeek-R1 和 Kimi k1.5 论文中的思维链 + 强化学习
本文探讨了DeepSeek-R1和Kimi k1.5两个模型在推理能力上的技术特点。DeepSeek采用GRPO算法和模型蒸馏提升推理表现，而Kimi则探索长文本思维链和强化学习的结合方案。
博客雷达不转载正文。这里只有标题、作者、时间和一小段 AI 生成的摘要；全文在作者自己的站点上，阅读请点上面的按钮过去——文章的版权一直在原作者手里。
你也在写博客？做一张「已被博客雷达收录」的徽章挂回自己的站，想挂就挂，也不占首页。