yuzukaki1000 https://blog.hatena.ne.jp/yuzukaki1000/ ゆずかきのブログ https://yuzukaki-chemical.hateblo.jp/ プロンプトエンジニアリング こんにちは、ゆずかきです。 今回は、「DeepSeek R1」 と呼ばれる、最新の大規模言語モデル（LLM）の推論能力を強化するための研究について、一つの技術ブログ記事としてまとめてみたいと思います。 今回取り上げる「DeepSeek R1」は、arXivにて公開された論文 DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning (arXiv:2501.12948) からの内容をベースとしています。とくに「DeepSeek-R1-Zero」というモデルが、事前の教師あり学習（SFT）を… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fyuzukaki-chemical.hateblo.jp%2Fentry%2F2025%2F06%2F21%2F164613" title="【論文読解】DeepSeek R1 徹底解説：強化学習のみでLLMの多段推論がここまで進化！話題のAIモデルを論文解説 - ゆずかきのブログ" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> Hatena Blog https://hatena.blog 2025-06-21 16:46:13 rich https://yuzukaki-chemical.hateblo.jp/entry/2025/06/21/164613 1.0 100%