【论文阅读】DeepSeekR1 ：摘要（Abstract）
07:57
【论文阅读】DeepSeekR1 ：目录（Contents）
15:14
【论文阅读】DeepSeekR1 ：1 简介（Introduction）泛读
37:15
【论文阅读】DeepSeekR1 ：1.1 贡献（Contributions）
21:58
【论文阅读】DeepSeekR1 ：2.1 技术概述（Approach-Overview）
13:04
【论文阅读】DeepSeekR1 ：2.2.1 GRPO方法 公式一 （抽象期望值公式的展开/实现式）
32:08
【论文阅读】DeepSeekR1 ：2.2.1 GRPO方法 公式二 （KL散度）
18:18
【论文阅读】DeepSeekR1 ：2.2.1 GRPO方法 公式三（组内优势）
14:50
【论文阅读】DeepSeekR1 ：2.2.1 GRPO方法 公式总结
22:13
【论文阅读】DeepSeekR1 ：2.2 DeepSeek-R1-Zero 技术泛读
07:02
【论文阅读】DeepSeekR1 ：2.2.2 基于规则的奖励建模（Reward Modeling）泛读
19:27
【论文阅读】DeepSeekR1 ：2.2.3 训练模板（Training Template）
16:20
【论文阅读】DeepSeekR1 ：2.2.4 表现、自我进化（Performance, Self-evolution Process）
27:15
【论文阅读】DeepSeekR1 ：2.2.4 顿悟时刻（Aha Moment）
26:32
【论文阅读】DeepSeekR1 ：2.3 R1技术泛读
11:06
【论文阅读】DeepSeekR1 ：2.3.1 冷启动（Cold Start）
17:33
【论文阅读】DeepSeekR1 ：2.3.2 面向推理学习（Reasoning-oriented Reinforcement Learning）
17:17
【论文阅读】DeepSeekR1 ：2.3.3 拒绝采样与监督微调（Rejection Sampling, Supervised Fine Tuning）
15:42
【论文阅读】DeepSeekR1 ：2.3.4 面向全场景的强化学习（All Scenarios）
29:30
【论文阅读】DeepSeekR1 ：2.4 蒸馏（Distillation）
14:41
【论文阅读】DeepSeekR1 ：3 实验评测（Experiment）
09:49
【论文阅读】DeepSeekR1 ：4.1 要蒸馏还是要强化学习？（Distillation vs Reinforcement Learning）
12:37
【论文阅读】DeepSeekR1 ：4.2 PRM方法的局限（Process Reward Model）
23:54
【论文阅读】DeepSeekR1 ：4.2 MCTS方法的局限（Monte Carlo Tree Search）
19:15
【论文阅读】DeepSeekR1 ：5 结语（Conclusion Limitation and Future work）
18:31
【论文阅读】DeepSeekR1 阅读复盘：什么是“基于基础模型”的强化学习？
14:00
【论文阅读】DeepSeekR1 阅读复盘：R1的训练流程是怎么样的？
08:40