AI仅凭“自信”学会推理，浙大校友复刻DeepSeek长思维链涌现

梦晨鹭羽发自凹非寺量子位 | 公众号 QbitAI 复刻 DeepSeek-R1 的长思维链推理，大模型强化学习新范式 RLIF 成热门话题。 UC Berkeley 团队共同一作Xuandong Zhao把这项成果称为：大模型无需接触真实答案，仅通过优化自己的信心，就能学会复杂推理。具体来说，