deepseek r1 は絶対外しちゃいけない勉強ネタだ。個人的にはtransformer並みに重要だと思ってる。強化学習のパワーの凄さが詰まってる。
ここを応用すると逆強化学習とかにつながって人格の模倣とかできるんじゃないのかって思ってる