【#最新论文或预示DeepSeekR2将近##DeepSeek重-20250407073338

【#最新论文或预示DeepSeekR2将近##DeepSeek重磅论文或预示R2将近#】4月4日，DeepSeek与清华大学研究团队联合发布题为《奖励模型的推理时Scaling方法及其在大规模语言模型中的应用》的重磅论文，提出自我原则点评调优（SPCT）与元奖励模型（Meta Reward Model）两项核心技术，为提升大语言模型（LLM）的推理能力提供了全新方法论。这一成果被视为DeepSeek下一代推理模型R2的重要技术铺垫，引发全球AI界高度关注。（界面新闻）