10美元成功复现DeepSeek顿悟时刻，3B模型爆发超强推理！微软论文反驳涌现 2025年2月22日16时 作者 新智元 的顿悟时刻了？来自荷兰的开发者采用轻量级的RL算法Reinforce-Lite，把复刻成本降到了史上
DeepSeek-R1-Zero不存在顿悟时刻？华人团队揭秘真相：或只因强化学习 2025年2月8日23时 作者 新智元 ek-R1-Zero的「顿悟时刻」，可能并不存在。类似复现实验中之所以出现响应变长现象，或许只是因为
