在解决推理问题时，由此诞生的 DeepSeek-R1-Zero 倾向于生成更长的回答，在每个回答中融入验证、反思和探索替代方案的过程。尽管研究人员并未明确告诉模型何为推理，也没有任何监督微调（SFT，Supervised ...