深度搜索R1发布100天后的跟踪调查：复现研究及推理语言模型的新方向

本研究解决了对DeepSeek-R1及其相关模型开放性不够的缺失，旨在通过复现研究展示其杰出性能。论文重点探讨了监督微调（SFT）和基于可验证奖励的强化学习（RLVR）这两个方向的研究进展，揭示了在数据准备及方法设计方面的重要发现，助力未来研究发展。期待本报告能激发对推理语言模型的进一步探索和应用潜力。

本研究复现了DeepSeek-R1模型，探讨了监督微调和基于可验证奖励的强化学习的进展，强调数据准备和方法设计的重要性，以促进未来研究的发展。