你直接问deepseek就行了，它会给你专业答案

是算法

牢美是算力，deep是算法，比如你算好之后我直接“拿来吧你”，这就是算法

让他自己告诉你

总体来说是用更少的成本完成了90%的功能。
但其实更重要的是思路，通过RL这种方式验证了这种方法的可行性和极大潜力，这一套方法论理论上套在任何小模型或者大模型上都会提升模型的推理能力(可以去看看一个基于QWEN的开源模型)
相比以前的对话模型，你可能需要写一堆无用的prompt来让模型有更好的输出，而RL则不需要，它有一个自我推理的过程。

简单举个例子：
从1加到100
普通算法：1+2+3+....+100=5050
优化算法：
1+100=2+99=3+98=4+97=....
101*50=5050

要能全摸清楚两者的原理和区别，还在贴吧吹🐮🍺？早就开开心心赚大米去了

建议去看论文解读

算法一直都是我们领先，抖音就是老美搞不出来才想抢过来的

牢美只相信大力出奇迹，他们的智商还没走出野蛮人的阶段，留给他们的只有输输输，我们才是赢赢赢