DeepSeek-R1\Kimi1.5及类强推理模型开发解读陈博远北京大学2022级“通班”主要研究方向：大语言模型对齐与可扩展监督https://cby-pku.github.io/https://pair-lab.com/北大对齐小组Outline2➢DeepSeek-R1开创RL加持下强推理慢思考范式新边界➢DeepSeek-R1Zero及R1技术剖析➢Pipeline总览\DeepSeek-V3Base\DeepSeek-R1Zero及R1细节分析➢RL算法的创新：GRPO及其技术细节➢DeepSeek-R1背后的Insights&Takeaways：RL加持下的长度泛化\推理范式的涌现➢DeepSeek-R1社会及经济效益➢技术对比探讨➢STaR-basedMethodsvs.RL-basedMethods强推理路径对比(DS-R1\Kimi-1.5\o-series)➢蒸馏vs.强化学习驱动：国内外现有各家技术路线对比分析及Takeaways➢PRM&MCTS的作用➢从文本模态到多模态➢其他讨论：Over-Thinking过度思...