请详细介绍R1模型（如DeepSeek-R1）的训练过程，包括各阶段的技术细节。

回答思路

1. 能清晰说明R1训练的几个主要阶段（如基础预训练、监督微调、强化学习等）
2. 能解释每个阶段的目的和关键技术（如思维链、奖励模型、GRPO等）
3. 能提及训练中的挑战（如稳定性、奖励设计）及解决方案