El laboratorio chino DeepSeek presentó DeepSeek-R1-Zero, un modelo de lenguaje que demuestra por primera vez que capacidades de razonamiento complejas pueden emerger de forma puramente autónoma mediante aprendizaje reforzado a gran escala sin necesidad de datos previos de ajuste fino supervisado (SFT).
La noticia en una frase
DeepSeek presentó DeepSeek-R1-Zero, demostrando que un modelo base entrenado exclusivamente con aprendizaje reforzado puro puede aprender a razonar, autocorregirse y verificar sus propias respuestas.
