Deepseek R1 Distill Llama 8B

DeepSeek-R1 是基於 DeepSeek-V3（總計 6710 億參數，每-token 激活 370 億參數）構建的第一代推理模型。它結合了大規模強化學習（RL），提升了其思維鏈和推理能力，在數學、代碼以及多步驟推理任務中表現出色。