为了开发R1，DeepSeek对V3进行了多轮强化学习训练。2016年，谷歌DeepMind证实这种无需人工干预的自动化试错方法可以将一个随机走子的棋类游戏模型训练成击败大师级选手的AI。DeepSeek将类似方法应用于大语言模型：将潜在答案视作游戏中的可能走法。

O SAPO é uma marca e um motor de busca criados na Universidade de Aveiro.