天美乌鸦糖心mv

原论文链接： [2501.19393] s1: Simple test-time scaling 自从OpenAI o1在去年9月发布以来，它神奇的“time to think”能力引起了国内外的疯狂“复现潮”。

国内最先公开实现了“time to think”的是DeepSeek和Kimi。

顿别别辫厂别别办更是因为其搁1模型的惊艳而家喻户晓。

从技术路线来看，DeepSeek R1和OpenAI o1都是基于强化学习的方案，连一向“看各种不爽”的Yann Lecun都站出来说DeepSeek ZeRO中的纯强化学习方案非常有前途！ 而李飞…。