為什么說DeepSeek的R1-Zero比R1更值得關注？

「推理即訓練」的新范式可能徹底改變 AI 數據經濟的運作方式。

原標題：為什么說DeepSeek的R1-Zero比R1更值得關注？
文章來源：Founder Park
內容字數：7151字

DeepSeek R1-Zero：強化學習引領AI推理新時代

本文總結了ARC Prize聯合創始人Mike Knoop在其博客中對DeepSeek新發布的推理系統R1和R1-Zero的分析。Knoop認為，R1-Zero比R1更值得關注，因為它完全依賴強化學習(RL)，無需人類專家標注的監督微調(SFT)。這表明在某些任務中，人類標注并非必要，未來可能通過純RL方法實現更廣泛的推理能力。

1. R1-Zero的突破性意義

DeepSeek同時發布了R1和R1-Zero兩個模型，兩者在ARC-AGI-1上的得分與OpenAI的o1系統低計算量版本相當(15-20%)，遠超純LLM scaling的GPT-4o (5%)。R1-Zero的意義在于其完全摒棄了SFT，僅依靠RL進行訓練，這挑戰了以往對人類標注的依賴。雖然R1-Zero在可讀性和語言混雜方面存在挑戰，但在ARC-AGI-1測試中表現出色，幾乎沒有發現不連貫性，這表明在可清晰判斷對錯的領域，SFT并非必需。

2. 計算資源與AI可靠性

R1和R1-Zero的成功也揭示了投入更多計算資源可以顯著提升AI系統準確性和可靠性的重要結論。這將增強用戶對AI的信任，推動商業化應用。目前，AI可靠性是阻礙其廣泛應用的主要障礙，而更高的準確性和可預測性錯誤將提升用戶信任度。

3. “推理即訓練”的新范式

文章指出，AI推理系統正在生成大量高質量的訓練數據，且這些數據由用戶付費產生，形成“推理即訓練”的新范式。這將徹底改變AI數據經濟的運作方式，形成一個自我強化的循環：更多用戶付費使用，產生更多高質量數據，進而訓練出更好的模型，吸引更多用戶。這與以往購買或抓取數據的方式截然不同，并可能超越人類生成數據的預訓練模式。

4. DeepSeek對AI領域的影響

DeepSeek的R1開源，將推動更多人探索CoT和搜索的極限，加速AGI的實現。R1-Zero的成功也表明，未來可能無需依賴人類標注就能訓練出強大的AI推理系統，這將極大地降低AI開發的成本和門檻。文章最后指出，DeepSeek的突破推動了科學前沿，其開源的R1將對整個AI領域產生深遠影響。

5. 總結

DeepSeek的R1-Zero模型，憑借其純RL訓練方式，在推理能力上取得了顯著突破，挑戰了傳統AI模型對人類標注的依賴。同時，該模型的成功也展示了計算資源投入與AI可靠性提升之間的正相關關系，并催生了“推理即訓練”的新數據經濟模式。這些進展將極大推動AI技術的發展和應用。

聯系作者

文章來源：Founder Park
作者微信：
作者簡介：來自極客公園，專注與科技創業者聊「真問題」。