Science通訊信件寫出一個可能忽略的事實：推理是人類智慧的重要核心功能，大型推理模型（LRM）即是配合這樣的思考問題所建立的，需要更多算力，
比較起來，強化學習是一種無監督的方法，其中LRM本身生成了一整套導致答案的推理步驟，該模型僅因獲得正確答案並將推理步驟以正確的格式進行「獎勵」，以實現人類可讀性（例如，按順序編號）。 強化學習對大量試驗的力量在於，即使它沒有對步驟品質提供任何（昂貴的）監督反饋，模型也可以學習哪些步驟有效，哪些步驟不起作用。
有趣的是，DeepSeek的橫空出世，代表沒有任何監督學習，卻產生了一個在許多推理基準上表現非常好的模型。正如DeekSeek研究人員所說，這一結果「強調了強化學習的力量和美：我們沒有明確地教授模型如何解決問題，而是簡單地為其提供正確的激勵，並自主開發高階解決問題的策略。」 專注於強化學習而不是監督學習是使DeepSeek能夠建立LRM的因素之一，其培訓和使用比美國公司建立的相應LRM便宜得多。
但是，LRM 使用的擬人化語言會讓人誤以為它們正在「思考」，些模型甚至將推理步驟與「嗯」、「啊哈！」等詞穿插在一起。 或者「等等！」 讓他們聽起來更像人。使用者告訴我們，透過響應瞭解模型推理如何，不僅支援更明智的決策，還有助於對其答案建立信任，OpenAI發言人說。但問題是，當底層模型不太值得信任時，使用者是否主要基於這些人性化的觸控來建立信任？
所以人類需要更多的研究來回答這些關於LRM的穩健性、可信度和可解釋性的重要問題。在OpenAI、Google和Anthropic等模型上很難進行此類研究，因為這些公司沒有釋出他們的模型或其工作的許多細節。令人耳目一新的是，DeepSeek釋出了R1的模型權重，釋出了一份關於其如何訓練的詳細報告，並使該系統能夠充分展示其思想鏈，這將促進對其能力的研究。
開源LRM能夠做的可能比過去都多，這當然需要更多算力，跟推理小說需要花費更多腦力一樣。
