DeepSeek R1-Zero 是 团队开发的完全依赖纯强化学习（RL）训练的推理模型，未使用任何监督微调（SFT）数据。在推理任务上表现出色，在 AIME 2024 数学竞赛中，其 pass@1 分数从 15.6% 提升至 71.0%，接近 OpenAI-o1-0912 的水平。模型在训练过程中展现了自我进化能力，例如反思和重新评估解题方法。

DeepSeek R1-baidu09Zero – DeepSeek推出的开源推理模型，基于纯强化学习训练 第1张
（图片来源网络，侵删）
DeepSeek R1-baidu09Zero – DeepSeek推出的开源推理模型，基于纯强化学习训练 第2张
（图片来源网络，侵删）