AI2科学家揭秘强化学习与推理模型新突破，开源对标DeepSeek-R1

近日，艾伦人工智能研究所（AI2）机器学习科学家Nathan Lambert发表了一篇深度技术博客，系统剖析了强化学习与推理模型（RLVR）领域的最新进展，并透露其团队正致力于打造对标DeepSeek-R1级别的开源推理模型。这一动向被业界视为美国学术界对当前AI竞赛格局的积极回应。

Lambert在题为《基础模型强化学习论文精读》的专题研究中指出，当前推理大模型的迭代速度已呈现”天级别”跃进，但真正具备技术突破价值的成果仍属稀缺。他特别以DeepSeek R1采用的GRPO算法为例，详细解构了该模型在思维链推理和开源生态建设上的双重优势。值得注意的是，博客中披露的RLVR训练框架显示，其团队已成功复现OpenReasonerZero完整训练流程，这为开发自主可控的推理模型奠定了技术基础。

作为曾在HuggingFace领导RLHF团队的技术专家，Lambert强调开源社区对推动AI民主化至关重要。他在分析Kimi k1.5与DeepSeek R1同期发布的技术报告时指出，详实的训练日志和可复现的baseline正在成为行业新标准。这种透明化趋势与其倡导的”美国版DeepSeek”理念高度契合——即通过开放模型权重和训练细节，降低行业技术门槛。

值得关注的是，Lex Fridman在近期播客中曾评价称，DeepSeek系列模型的地缘技术意义不仅体现在性能指标上，更在于其开创的开源推理范式。Lambert团队此次的技术路线披露，某种程度上可视为对这种范式的学术验证。目前，该团队尚未公布具体模型发布时间表，但其公开的GRPO改进方案已显示出在计算效率和泛化能力上的优化潜力。

业内人士分析，随着DeepSeek-R2等新一代模型即将面世，全球开源推理模型的竞争已进入白热化阶段。Lambert团队的介入，或将推动形成中美双极的技术演进格局。不过也有专家提醒，要实现真正匹敌商业级大模型的性能，学术机构仍需在计算资源和工程化能力上寻求突破。