deepseek-r

定義

中国のAI企業 DeepSeek が公開した推論特化モデル DeepSeek-R1 を指す（タイトル中では R1 が切れて現れることがある）。答える前に長い思考過程を書き出す振る舞いを、手本の模倣ではなく強化学習によって引き出した点が特徴。重みが公開されたため、同種の学習法を再現・改良する研究の基準点になった。

論文題名での読み方

正式にはR1

この語が出てくる解説

• 蒸留データの設計 — 教師に何を答えさせるかDeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning