-
s1：用简单方法实现测试时计算扩展（论文精读）
《s1：用简单方法实现测试时计算扩展》论文精读本：arXiv:2501.19393（v1）英文全文原文 + 中文全文翻译（章节层级一一对应）+ 阅读收获 + 可落地场景。方向：第三批 推理进化：测试时计算与反思。原文按 arXiv 官方 HTML 一字不落保留，仅供学习研究参考，版权归原作者所有。 -
思维链提示：激发大模型的推理能力（论文精读）
《思维链提示：激发大模型的推理能力》论文精读本：arXiv:2201.11903（v3）英文全文原文 + 中文全文翻译（章节层级一一对应）+ 阅读收获 + 可落地场景。方向：第三篇 推理与对齐：思维链、搜索与强化学习。原文按 arXiv 官方 HTML 一字不落保留，仅供学习研究参考，版权归原作者所有。 -
思维树：用深思熟虑的搜索解决复杂问题（论文精读）
《思维树：用深思熟虑的搜索解决复杂问题》论文精读本：arXiv:2305.10601（v2）英文全文原文 + 中文全文翻译（章节层级一一对应）+ 阅读收获 + 可落地场景。方向：第三篇 推理与对齐：思维链、搜索与强化学习。原文按 arXiv 官方 HTML 一字不落保留，仅供学习研究参考，版权归原作者所有。 -
DeepSeek-R1：用强化学习激励推理能力（论文精读）
《DeepSeek-R1：用强化学习激励推理能力》论文精读本：arXiv:2501.12948（v2）英文全文原文 + 中文全文翻译（章节层级一一对应）+ 阅读收获 + 可落地场景。方向：第三篇 推理与对齐：思维链、搜索与强化学习。原文按 arXiv 官方 HTML 一字不落保留，仅供学习研究参考，版权归原作者所有。 -
DPO：绕过奖励模型的直接偏好优化（论文精读）
《DPO：绕过奖励模型的直接偏好优化》论文精读本：arXiv:2305.18290（v3）英文全文原文 + 中文全文翻译（章节层级一一对应）+ 阅读收获 + 可落地场景。方向：第三篇 推理与对齐：思维链、搜索与强化学习。原文按 arXiv 官方 HTML 一字不落保留，仅供学习研究参考，版权归原作者所有。