着训练步数的增长，模型的thinking response length 逐 渐增加（对应着 test-time computation increasing） ➢ Aha moment: 自然学会增加更多的推理时间，反思评价先前步骤、探索其他方法 RL驱动下自然涌现 Long-CoT 能力 “Aha”Moment 11 DeepSeek-R1 技术剖析：DeepSeek-R1 Zero 训练步数的增长，模型的thinking response length 逐渐增加 (test-time computation increasing) ➢ DeepSeek-R1-Zero 自主涌现学会重新评测原来的方法、反思和主动探索其他的路径 ➢ 多阶段训练下的冷启动让RL训练更加稳定，避免初期不稳定、加速收敛、提升思维链可读性 ➢ 未来后训练的重心会逐步倾向于RL，但是少量训练用于SFT可能还是必须的 A* 也是 Structure, 人为加入 Inductive Bias 强求LLM按照人为的结构化先验进行思 考可能会限制模型的能力； ➢ 不通过额外的Structure, 模型自身是否可以学会思考： ➢ Algorithm Distillation: 将RL的 Training History 序列直接 建模到语言模型中，学习到Data-Efficient RL 算法 ➢ Stream

变得可视化 本地化适配： 大模型能针对不同地区、 教材版本 动态调整教学内容 ，确保与教学大纲精准匹配 教师视角： 工具能节省时间 ，但不能让人完全省 心。 教师需要学会与 AI 协作 ， 比如通过优化提 示 词 ，让大模型生成更贴合教学场景的内容 备注： 本部分内容来自对网络资料的整理 8. A I 赋能高校教学 大模型是工具——教育的“智能脚手架”