今天分享的是：人工智能专题：DeepSeek-R1&Kimi 1.5及类强推理模型开发解读报告（2025年）

报告共计：76页

该报告聚焦DeepSeek-R1及相关类强推理模型，深入探讨其技术、应用及未来发展方向。DeepSeek-R1开创了RL加持下的强推理慢思考范式，在数学、代码任务和知识问答等方面表现卓越，其R1-Zero版本不依赖监督微调，通过纯强化学习展现出强大推理与长文本思考能力，随着训练步数增加，模型能自我修复和探索新方法。DeepSeek-R1的技术亮点包括采用GRPO优化强化学习训练，降低计算成本；通过多阶段训练和冷启动，提升模型稳定性和可读性。与Kimi K1.5等模型相比，它们都关注RL方法提升效果，但实现路径不同，Kimi K1.5从上下文RL出发，DS - R1则从纯RL入手。在提升模型强推理能力上，蒸馏和强化学习各有特点，蒸馏能学习数据中的推理范式，但强化学习的泛化性和推理表现上界更高 。此外，报告还讨论了MCTS和PRM在模型训练中的作用及挑战，指出强推理模型存在Overthinking行为，需要优化资源分配。未来，强推理模型将朝着长思维链可解释性、模态扩展与穿透、赋能Agentic发展以及加强监管和安全保证等方向发展，如通过从语言反馈中学习实现多模态对齐，利用形式化验证提升模型可靠性，但也面临模型弹性抗拒对齐、安全规范学习等挑战。

以下为报告节选内容