Agent 学习与策略优化有人主张推理模型不必预训练、也不必数据。DeepSeek-R1-Zero 真能支撑这个主张吗?本页总览有人主张推理模型不必预训练、也不必数据。DeepSeek-R1-Zero 真能支撑这个主张吗?Agent 学习与策略优化中级规划 题目 有人主张推理模型不必预训练、也不必数据。DeepSeek-R1-Zero 真能支撑这个主张吗? 参考答案 点击展开参考答案 R1-Zero 从已预训练的基座出发,省略的是 RL 前的监督微调阶段;RL 仍需要问题与奖励信号。 R1 则引入冷启动数据和多阶段训练。 区分预训练、冷启动 SFT 与 RL,不能把特定实验推广成所有模型的必要或充分条件。