一、技术突破的起点：从SFT到纯RL的范式转换 DeepSeek R1的核心创新在于摒弃传统监督微调（SFT）路径，构建纯RL驱动的智能体训练框架。这一决策源于对OpenAI o1技术路径的逆向分析：o1虽未公开完整训练细节，但其……
