# 強化学習推論

強化学習で訓練された数学とプログラミング推論モデルで、複数のベンチマークテストで優れた性能を発揮

Seed-Coder-8B-Reasoningは8B規模のオープンソースコードモデルで、コード生成と推論タスクに特化しており、強力な性能と効率的なパラメータ利用を備えています。

Seed-Coder-8B-Instructは8B規模のオープンソースコードモデルで、ユーザーの意図に合わせるために命令微調整されており、32Kのコンテキスト長をサポートしています。

オープンリーズナーゼロは、基礎モデルのスケーラブルな強化学習に焦点を当てたオープンソースソリューションで、拡張性、簡潔性、使いやすさを重視した大規模推論指向の強化学習実装です。

DeepSeek-R1はDeepSeekチームによって開発された初代推論モデルで、大規模な強化学習トレーニングを通じて、教師付き微調整（SFT）を最初のステップとせずに、卓越した推論能力を発揮します。

DeepSeek-R1はDeepSeekが開発した第一世代推論モデルで、強化学習によって訓練され、数学、コード、推論タスクで優れた性能を発揮します。