使用场景

在学术研究中，用于探索强化学习在提升模型推理能力方面的潜力。

在编程竞赛中，帮助开发者快速生成高质量代码，提升竞赛表现。

在教育领域，辅助学生解决复杂的数学问题，提升学习效率。

产品特色

通过大规模强化学习训练，无需监督微调即可使用

支持复杂问题的链式推理，能够生成长链推理路径

具备自我验证和反思能力，提升推理准确性和可靠性

在数学、代码和推理任务上表现出色，接近行业顶尖水平

提供开源模型权重，支持社区进一步研究和开发

支持多种推理任务，如 MMLU、DROP、Codeforces 等

提供多种模型变体，包括蒸馏模型，满足不同应用场景需求

支持本地运行和通过 API 平台使用，灵活部署

使用教程

访问 Hugging Face 页面，下载 DeepSeek-R1-Zero 模型文件。

根据需要选择合适的推理任务，如数学推理、代码生成等。

使用开源工具（如 vLLM）启动本地服务，设置合适的参数（如温度、最大生成长度）。

通过 API 平台（如 DeepSeek Platform）直接调用模型进行推理。

根据任务需求调整模型配置，优化推理效果。

在本地环境中运行模型，或通过 API 集成到现有系统中。

监控模型输出，确保推理结果符合预期，必要时进行微调。