DeepSeek作为一款大语言模型（LLM），其内幕揭秘显示，强化学习（RL）是其成功的关键，并可能成为下一个Scaling Law。DeepSeek通过纯强化学习技术显著提升了模型的推理能力，特别是DeepSeek R1，它不仅复现了OpenAI模型的推理水平，有时甚至超越它们。
强化学习之所以被视为下一个Scaling Law，是因为它让AI进行自主探索、连续决策，这种方式最接近人类的学习方式。通过RL self-play和MCTS等技术，LLM可以进一步提升推理能力，优化scaling law。DeepSeek R1引入的组相对策略优化（GRPO）算法，改进了模型在无正确答案情况下的响应评估，提高了训练效率。
总之，DeepSeek的成功展示了强化学习在提升LLM性能方面的巨大潜力，预示着强化学习将成为推动人工智能发展的新动力，引领LLM领域的新一轮技术范式转移。