讲一下 DeepSeek R1，推理模型怎样训练

Question

Accepted Answer

考察点：考察对大模型推理能力训练方法（强化学习、冷启动、拒绝采样等）的理解。回答思路：说明推理模型与通用模型训练的区别 阐述强化学习在推理训练中的作用 提及冷启动数据与多阶段训练流程 解释推理能力提升的验证与迭代

考察说明