Sebastian Raschka长文：DeepSeek-R1、o3背后，RL推理训练正悄悄突破上限 下午4时 2025/04/21 作者 机器之心 了？大语言模型（LLM）推理需要强化学习（RL）来「加 buff」。 著名 AI 研究者和博主 Se
