板书第 01 讲：纯强化学习大模型的自我涌现与探索

打破传统监督学习枷锁
在纯强化学习中探索未至之境

欢迎访问 DeepSeek官网。深度求索通过首创的纯强化学习（Pure RL）与大规模冷启动自省演练，使大模型无需海量人工标注即可自主涌现反思验证、逻辑纠错与长思维链能力，全面革新数学竞赛、高难度代码与综合推演的生产力上限。

DeepSeek api开放平台 REST / SSE STREAM

接口集群接入：支持标准 OpenAI SDK 调用，提供极具性价比的高并发企业级模型接口，助力开发者无缝嵌入智能应用。

[CHOKE POINT // 极简交互入口]

DeepSeek网页版入口

免登录极速体验 DeepSeek-R1 满血长思维链自我推演与代码沙盒。

FIG. 01 教学手绘板书与思维链示意

✎ 标红高亮为官方 DeepSeek-R1 满血版成绩

基准测试集 (Benchmark)	评估领域 / 任务	DeepSeek-R1 (纯RL)	OpenAI o1-mini	Claude 3.5 Sonnet
MATH-500	高难度竞赛数学推导	97.3% [前沿第一]	90.0%	78.3%
AIME 2024	美国数学邀请赛真实题	79.8%	63.6%	39.2%
Codeforces	算法与高难度竞技编程	Rating 2029 (Top 3.7%)	Rating 1820	Rating 1650
GPQA Diamond	博士级专业科学答题	71.5%	60.0%	65.0%
MMLU-Pro	跨学科综合逻辑测试	84.0%	80.3%	78.9%

* 所有测试均通过 DeepSeek Harness 官方评测框架进行严格复现。

✎ 晨光下写就的三大关键工程突破

NOTE.01 // MLA

大幅压缩 KV 缓存显存占用，使极致长文档上下文的高速自省与实时推演成为可能。

NOTE.02 // MOE

高达 671B 密集模型容量，每次仅激活 37B 参数，实现算力消耗与强劲性能的平衡。

NOTE.03 // HARNESS

全透明的自动化基准评测生态，让全球开发者能够独立复现和检验大模型真实水平。