DeepSeek R1 是一种大型语言模型（LLM），通过强化学习（RL）显著提升了推理能力。与传统模型不同，它主要依赖强化学习而非监督学习，通过小组相对策略优化（GRPO）提高准确性和格式奖励，从而增强推理能力。