至於DeepSeek-R1 屬於post-training(後訓練模型) 即係在DeepSeek的V3 pre-training基礎上 進行reinforcement learning(強化學習)。 即係咩野呀喂？ 就好似幼稚園小朋友上數學堂 分組進行問答比賽 以A組入面五個小朋友為例 如果老師用普遍方法 （AI公司常用的PPO訓練方法) 逐個小朋友對答案，答啱就獎貼紙 咁老師對一組答案咪要對五次 成班有五組咪要對25次！ 但係如果老師用DeepSeek-R1的方法 俾每組小朋友自己討論一個答案出黎 呢個方法叫GPRO (Group Relative Policy Optimization) 直接將答案交俾老師判斷對或錯 老師就按規則(rule based)來獎勵貼紙 咁老師只需對答案5次 就會慳左好多功夫喇~ 亦即係減少訓練過程中的能源消耗 在普遍上堂(模型訓練)的過程中 學校(AI公司)會請多幾個老師 來加快上堂學習進度 如果用DeepSeek-R1的方法 係咪以後唔洗再請老師呢？ 答案係：no！

其實好多行外人唔太理解算法(algorithm)同算力(computing power)既分別。當算法相當，算力就係決勝關鍵。今次deepseek係算法領先，但無甚基礎技術上嘅突破如google嘅transformer，openai嘅gpt等。當算法optimised 到盡，就係比拼算力既時候。