揭秘DeepSeek R1-Zero训练方式，GRPO还有极简改进方案
由于从基础模型进行训练是 R1-Zero 类范式的基本设置，研究人员首先研究广泛使用的开源基础模型，这些模型通常是为了句子补全而训练的。研究人员探索了是否可以通过适当的模板有效地激发其问答能力，从而作为问答基础策略 。