浅谈 DeepSeek-R1 和 Kimi k1.5 论文中的思维链 + 强化学习 2025-02-01·2588 字·6 分钟 AI LLM CoT 强化学习 DeepSeek Kimi 模型蒸馏 思维链 浅谈 DeepSeek-R1 和 Kimi k1.5 两个模型在推理能力上的技术特点：DeepSeek 采用 GRPO 算法和模型蒸馏提升推理表现，Kimi 则探索长文本思维链和强化学习的结合方案。
