# 強化學習推理

基於強化學習訓練的數學與編程推理模型，在多項基準測試中表現優異

Seed-Coder-8B-Reasoning是一個8B規模的開源代碼模型，專注於代碼生成和推理任務，具有強大的性能和高效的參數利用。

Seed-Coder-8B-Instruct 是一個8B規模的開源代碼模型，經過指令微調以符合用戶意圖，支持32K上下文長度。

開放推理者零號是基於基礎模型規模化強化學習的開源方案，專注於可擴展性、簡潔性和易用性的大規模推理導向強化學習實現。

DeepSeek-R1 是由 DeepSeek 團隊推出的第一代推理模型，通過大規模強化學習訓練，無需監督微調（SFT）作為初步步驟，展現出卓越的推理能力。

DeepSeek-R1 是 DeepSeek 推出的第一代推理模型，通過強化學習訓練而成，在數學、代碼和推理任務上表現優異。