
  <rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
    <channel>
      <title>HANS</title>
      <link>https://www.hansking.cn/blog</link>
      <description>A posts created with Next.js and Tailwind.css</description>
      <language>en-us</language>
      <managingEditor>admin@hansking.cn (HANS)</managingEditor>
      <webMaster>admin@hansking.cn (HANS)</webMaster>
      <lastBuildDate>Sun, 16 Feb 2025 10:00:00 GMT</lastBuildDate>
      <atom:link href="https://www.hansking.cn/tags/推理模型/feed.xml" rel="self" type="application/rss+xml"/>
      
  <item>
    <guid>https://www.hansking.cn/blog/2026/DeepSeek-R1-de-xun-lian-si-lu-yu-kai-yuan-ying-xiang</guid>
    <title>DeepSeek-R1 的训练思路与开源影响</title>
    <link>https://www.hansking.cn/blog/2026/DeepSeek-R1-de-xun-lian-si-lu-yu-kai-yuan-ying-xiang</link>
    <description>[{&quot;value&quot;:&quot;DeepSeek-R1 的训练思路与开源影响&quot;,&quot;url&quot;:&quot;#deepseek-r1-的训练思路与开源影响&quot;,&quot;depth&quot;:1},{&quot;value&quot;:&quot;一、R1-Zero：先让模型在奖励里寻找能力&quot;,&quot;url&quot;:&quot;#一r1-zero先让模型在奖励里寻找能力&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;二、为什么冷启动数据仍然重要&quot;,&quot;url&quot;:&quot;#二为什么冷启动数据仍然重要&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;三、可验证奖励是整条路线的地基&quot;,&quot;url&quot;:&quot;#三可验证奖励是整条路线的地基&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;四、GRPO 为什么成为重要的配套方法&quot;,&quot;url&quot;:&quot;#四grpo-为什么成为重要的配套方法&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;五、推理时计算为什么重新成为能力变量&quot;,&quot;url&quot;:&quot;#五推理时计算为什么重新成为能力变量&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;六、蒸馏让成果进入更小的模型&quot;,&quot;url&quot;:&quot;#六蒸馏让成果进入更小的模型&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;七、开源影响不只是放出一个权重文件&quot;,&quot;url&quot;:&quot;#七开源影响不只是放出一个权重文件&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;八、如何避免把 R1 学成几个口号&quot;,&quot;url&quot;:&quot;#八如何避免把-r1-学成几个口号&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;九、我的总结：R1 改变的是问题的问法&quot;,&quot;url&quot;:&quot;#九我的总结r1-改变的是问题的问法&quot;,&quot;depth&quot;:2}]</description>
    <pubDate>Sun, 16 Feb 2025 10:00:00 GMT</pubDate>
    <author>admin@hansking.cn (HANS)</author>
    <category>AI</category><category>LLM</category><category>DeepSeek</category><category>推理模型</category><category>强化学习</category>
  </item>

  <item>
    <guid>https://www.hansking.cn/blog/2026/GRPO-ru-men-qun-ti-xiang-dui-ce-le-you-hua</guid>
    <title>GRPO 入门：群体相对策略优化</title>
    <link>https://www.hansking.cn/blog/2026/GRPO-ru-men-qun-ti-xiang-dui-ce-le-you-hua</link>
    <description>[{&quot;value&quot;:&quot;GRPO 入门：群体相对策略优化&quot;,&quot;url&quot;:&quot;#grpo-入门群体相对策略优化&quot;,&quot;depth&quot;:1},{&quot;value&quot;:&quot;一、先回顾 PPO 在做什么&quot;,&quot;url&quot;:&quot;#一先回顾-ppo-在做什么&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;二、GRPO 的核心直觉&quot;,&quot;url&quot;:&quot;#二grpo-的核心直觉&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;三、目标函数在优化什么&quot;,&quot;url&quot;:&quot;#三目标函数在优化什么&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;四、奖励函数决定模型究竟学会什么&quot;,&quot;url&quot;:&quot;#四奖励函数决定模型究竟学会什么&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;五、组怎么采样，比想象中更重要&quot;,&quot;url&quot;:&quot;#五组怎么采样比想象中更重要&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;六、长度偏差是一个隐蔽的坑&quot;,&quot;url&quot;:&quot;#六长度偏差是一个隐蔽的坑&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;七、一个简化训练流程&quot;,&quot;url&quot;:&quot;#七一个简化训练流程&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;八、训练中应该盯哪些指标&quot;,&quot;url&quot;:&quot;#八训练中应该盯哪些指标&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;九、GRPO 和 SFT、PPO 如何配合&quot;,&quot;url&quot;:&quot;#九grpo-和-sftppo-如何配合&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;十、我的总结：比较可以替代一部分“绝对判断”&quot;,&quot;url&quot;:&quot;#十我的总结比较可以替代一部分绝对判断&quot;,&quot;depth&quot;:2}]</description>
    <pubDate>Sun, 02 Mar 2025 10:00:00 GMT</pubDate>
    <author>admin@hansking.cn (HANS)</author>
    <category>AI</category><category>LLM</category><category>推理模型</category><category>GRPO</category><category>强化学习</category>
  </item>

  <item>
    <guid>https://www.hansking.cn/blog/2026/Test-timeCompute-yong-geng-duo-tui-li-huan-geng-gao-zheng-que-l</guid>
    <title>Test-time Compute：用更多推理换更高正确率</title>
    <link>https://www.hansking.cn/blog/2026/Test-timeCompute-yong-geng-duo-tui-li-huan-geng-gao-zheng-que-l</link>
    <description>[{&quot;value&quot;:&quot;Test-time Compute：用更多推理换更高正确率&quot;,&quot;url&quot;:&quot;#test-time-compute用更多推理换更高正确率&quot;,&quot;depth&quot;:1},{&quot;value&quot;:&quot;一、训练时计算和推理时计算有什么不同&quot;,&quot;url&quot;:&quot;#一训练时计算和推理时计算有什么不同&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;二、最简单的方式：Best-of-N&quot;,&quot;url&quot;:&quot;#二最简单的方式best-of-n&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;三、自洽性不是简单投票&quot;,&quot;url&quot;:&quot;#三自洽性不是简单投票&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;四、搜索与分支：把答案当成一个小型搜索问题&quot;,&quot;url&quot;:&quot;#四搜索与分支把答案当成一个小型搜索问题&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;五、动态预算比固定长思考更合理&quot;,&quot;url&quot;:&quot;#五动态预算比固定长思考更合理&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;六、推理时计算的成本怎么算&quot;,&quot;url&quot;:&quot;#六推理时计算的成本怎么算&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;七、质量收益必须通过对照实验证明&quot;,&quot;url&quot;:&quot;#七质量收益必须通过对照实验证明&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;八、什么时候不值得使用更多计算&quot;,&quot;url&quot;:&quot;#八什么时候不值得使用更多计算&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;九、生产环境必须设置护栏&quot;,&quot;url&quot;:&quot;#九生产环境必须设置护栏&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;十、我的总结：把计算当成预算，而不是信仰&quot;,&quot;url&quot;:&quot;#十我的总结把计算当成预算而不是信仰&quot;,&quot;depth&quot;:2}]</description>
    <pubDate>Sun, 02 Feb 2025 10:00:00 GMT</pubDate>
    <author>admin@hansking.cn (HANS)</author>
    <category>AI</category><category>LLM</category><category>推理模型</category><category>Test-time Compute</category><category>性能优化</category>
  </item>

  <item>
    <guid>https://www.hansking.cn/blog/2026tui-li-mo-xing-xing-qi-wei-shen-me-ce-shi-shi-ji-suan-kai-shi-bian-zhong-yao</guid>
    <title>推理模型兴起：为什么测试时计算开始变重要</title>
    <link>https://www.hansking.cn/blog/2026tui-li-mo-xing-xing-qi-wei-shen-me-ce-shi-shi-ji-suan-kai-shi-bian-zhong-yao</link>
    <description>[{&quot;value&quot;:&quot;推理模型兴起：为什么测试时计算开始变重要&quot;,&quot;url&quot;:&quot;#推理模型兴起为什么测试时计算开始变重要&quot;,&quot;depth&quot;:1},{&quot;value&quot;:&quot;一、为什么单次生成开始遇到瓶颈&quot;,&quot;url&quot;:&quot;#一为什么单次生成开始遇到瓶颈&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;二、测试时计算到底在增加什么&quot;,&quot;url&quot;:&quot;#二测试时计算到底在增加什么&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;三、推理模型为什么看起来像是在思考&quot;,&quot;url&quot;:&quot;#三推理模型为什么看起来像是在思考&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;四、从 Chain-of-Thought 到可验证推理&quot;,&quot;url&quot;:&quot;#四从-chain-of-thought-到可验证推理&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;五、为什么这会改变模型训练&quot;,&quot;url&quot;:&quot;#五为什么这会改变模型训练&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;六、推理预算是一种新的服务资源&quot;,&quot;url&quot;:&quot;#六推理预算是一种新的服务资源&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;七、质量曲线比单点榜单更重要&quot;,&quot;url&quot;:&quot;#七质量曲线比单点榜单更重要&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;八、它对模型产品意味着什么&quot;,&quot;url&quot;:&quot;#八它对模型产品意味着什么&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;九、它没有解决什么问题&quot;,&quot;url&quot;:&quot;#九它没有解决什么问题&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;十、作为开发者应该怎样学习&quot;,&quot;url&quot;:&quot;#十作为开发者应该怎样学习&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;十一、我的总结：模型的能力开始有了“运行时维度”&quot;,&quot;url&quot;:&quot;#十一我的总结模型的能力开始有了运行时维度&quot;,&quot;depth&quot;:2}]</description>
    <pubDate>Sun, 05 Jan 2025 10:00:00 GMT</pubDate>
    <author>admin@hansking.cn (HANS)</author>
    <category>AI</category><category>LLM</category><category>推理模型</category><category>Test-time Compute</category><category>发展史</category>
  </item>

  <item>
    <guid>https://www.hansking.cn/blog/2026tui-li-mo-xing-de-si-wei-lian-ping-ce-yu-jie-guo-jiao-yan</guid>
    <title>推理模型的思维链评测与结果校验</title>
    <link>https://www.hansking.cn/blog/2026tui-li-mo-xing-de-si-wei-lian-ping-ce-yu-jie-guo-jiao-yan</link>
    <description>[{&quot;value&quot;:&quot;推理模型的思维链评测与结果校验&quot;,&quot;url&quot;:&quot;#推理模型的思维链评测与结果校验&quot;,&quot;depth&quot;:1},{&quot;value&quot;:&quot;一、先分清三个概念&quot;,&quot;url&quot;:&quot;#一先分清三个概念&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;最终结果监督：答案对不对&quot;,&quot;url&quot;:&quot;#最终结果监督答案对不对&quot;,&quot;depth&quot;:3},{&quot;value&quot;:&quot;过程监督：中间步骤是否合理&quot;,&quot;url&quot;:&quot;#过程监督中间步骤是否合理&quot;,&quot;depth&quot;:3},{&quot;value&quot;:&quot;可验证中间结果：能否由系统复查&quot;,&quot;url&quot;:&quot;#可验证中间结果能否由系统复查&quot;,&quot;depth&quot;:3},{&quot;value&quot;:&quot;二、不要把“展示思维链”当成评测的终点&quot;,&quot;url&quot;:&quot;#二不要把展示思维链当成评测的终点&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;三、先设计可评测的任务，而不是先挑模型&quot;,&quot;url&quot;:&quot;#三先设计可评测的任务而不是先挑模型&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;四、自动校验器是推理评测的核心资产&quot;,&quot;url&quot;:&quot;#四自动校验器是推理评测的核心资产&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;数值与公式&quot;,&quot;url&quot;:&quot;#数值与公式&quot;,&quot;depth&quot;:3},{&quot;value&quot;:&quot;代码&quot;,&quot;url&quot;:&quot;#代码&quot;,&quot;depth&quot;:3},{&quot;value&quot;:&quot;SQL 与数据操作&quot;,&quot;url&quot;:&quot;#sql-与数据操作&quot;,&quot;depth&quot;:3},{&quot;value&quot;:&quot;结构化计划&quot;,&quot;url&quot;:&quot;#结构化计划&quot;,&quot;depth&quot;:3},{&quot;value&quot;:&quot;五、如何评测中间步骤&quot;,&quot;url&quot;:&quot;#五如何评测中间步骤&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;六、自洽采样有用，但不能迷信多数票&quot;,&quot;url&quot;:&quot;#六自洽采样有用但不能迷信多数票&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;七、裁判模型只能当辅助裁判&quot;,&quot;url&quot;:&quot;#七裁判模型只能当辅助裁判&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;八、生产环境要校验结果，而不只是评测结果&quot;,&quot;url&quot;:&quot;#八生产环境要校验结果而不只是评测结果&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;九、我在评测中最常见的三个误区&quot;,&quot;url&quot;:&quot;#九我在评测中最常见的三个误区&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;十、我的总结：让结论接受事实的审判&quot;,&quot;url&quot;:&quot;#十我的总结让结论接受事实的审判&quot;,&quot;depth&quot;:2}]</description>
    <pubDate>Sun, 16 Mar 2025 10:00:00 GMT</pubDate>
    <author>admin@hansking.cn (HANS)</author>
    <category>AI</category><category>LLM</category><category>推理模型</category><category>评测</category><category>思维链</category>
  </item>

    </channel>
  </rss>
