36氪27 天
全球首次，2B复现DeepSeek-R1“啊哈时刻”，UCLA等用纯RL实现多模态推理
就在刚刚，我们在未经监督微调的2B模型上，见证了基于DeepSeek-R1-Zero方法的视觉推理「啊哈时刻」！ 这一成就，再次让AI社区轰动。 博客地址 ...