近期deepseek在网上的新闻是满天飞，其中deepseek一个较大的特点就是实现了大规模稳定的强化学习训练，并且取得了较好的效果，使得模型出现理解能力的涌现。deepseek r1技术报告解读综合比较网上视频、各类网络资源，整理出一套相对通俗的理解方式，希望可以帮助大家更加深入的理解什么是强化学习，并且结合一定的代码帮助理解。本问主要还是理论层面的理解，但是我会尽量以通俗的方式讲解。