已验证65% 置信事实精确时间

DeepSeek-R1通过在代码和数学两个可验证域上大规模运行GRPO算法取得成功

3

来源数

65%

置信度

长期有效

时效性

2026/7/18

首次发现

来源

Cursor递归自进化：让模型训练下一代模型的完整路径

相关事实

待验证DeepSeek R1通过GRPO算法仅用ORM即可涌现出长程推理能力85% 相似待验证DeepSeek探索了GRPO算法，作为对RLHF原始框架的改进尝试83% 相似已验证GRPO由DeepSeek团队系统化提出并在训练DeepSeek-R1系列模型时得到大规模验证80% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/550180

API

curl https://kongchang.com/api/v1/knowledge/claims/550180

MCP

get_claim(id=550180)