Sebastian Raschka 年度回顾：2025 年大语言模型的进展、问题与预测

Sebastian Raschka 发布 2025 年 LLM 年度回顾，认为这一年由 RLVR 与 GRPO 驱动的推理模型主导，DeepSeek R1 展示了强化学习可培养推理行为且后训练成本远低于预期（约 500 万美元量级，另有在 V3 基础上训练 R1 约 $294,000 的估计）。