deepseek深度思考时思维链强化训练确实优秀

思维链增强具体操作主要分三大块，一块是强化学习到类MCTS中，算增强到混合模型中去，优点是推理应用简单直接速度快，缺点是动态成长性差一些，一块是强化学习到外部向量数据库中，改善了前一种的缺点，但推理应用需要额外临时评价，一块是实时强化学习，推理最慢动态通用成长性最好。