Unverified50% confidenceFactExact time

DeepSeek团队报告，仅用GRPO在数学和代码数据上进行强化学习而不经过监督微调，模型便自发出现反思、回溯验证等链式推理行为（aha moment）

1

Sources

50%

Confidence

Long-term

Relevance

7/16/2026

First Seen

Sources

开源能否掀翻ChatGPT？蒋涛解读DeepSeek破局之道

Related Claims

VerifiedGRPO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77% similar UnverifiedGRPO是DeepSeek团队提出的强化学习算法，它取消了PPO中的Critic Model，通过对同一问题生成一组回答计算组内相对奖励作为基线77% similar

Cite This Claim

Stable URI

https://kongchang.com/claim/536154

API

curl https://kongchang.com/api/v1/knowledge/claims/536154

MCP

get_claim(id=536154)