DeepSeek [1] 使用2015年强化学习提示工程师 [2] 的元素及其2018年的改进 [3]，将 [2] 的强化学习机器和世界模型合并为一个单一的网络，通过1991年的神经网络蒸馏程序 [4]：一个蒸馏的思维链系统。 参考文献（在网上容易找到）： [1] #DeepSeekR1 (2025)：通过强化学习激励LLMs的推理能力。arXiv 2501.12948 [2] J. Schmidhuber (JS, 2015)。关于学习思考：算法信息理论用于强化学习控制器和递归神经世界模型的新组合。arXiv 1210.0118。第5.3节描述了强化学习（RL）提示工程师，该工程师学习主动和迭代地查询其模型以进行抽象推理、规划和决策。 [3] JS (2018)。一个为所有事物而设的大网络。arXiv 1802.08864。另见US11853886B2。本文将 [2] 的强化学习者和世界模型（例如，基础模型）合并为一个单一网络，使用1991年的神经网络蒸馏程序 [4]。本质上，现在称为RL的“思维链”系统，其中后续改进不断蒸馏到一个单一网络中。另见 [5]。 [4] JS (1991)。使用历史压缩原理学习复杂的扩展序列。神经计算，4(2)：234-242，1992。基于TR FKI-148-91，TUM，1991。第一个基于深度递归神经网络层次的工作深度学习者（具有不同的自组织时间尺度），通过无监督预训练（CHatGPT中的P）和预测编码克服消失梯度问题。此外：将教师网络（分块器）压缩或蒸馏到学生网络（自动化器）中，该网络不会忘记其旧技能——这种方法现在被广泛使用。另见 [6]。 [5] JS (AI博客，2020)。规划与强化学习及递归世界模型和人工好奇心的30周年（1990年，引入高维奖励信号和GAN原理）。包含上述 [2][3] 的摘要。 [6] JS (AI博客，2021)。30周年：第一次非常深度学习与无监督预训练（1991） [4]。无监督的层次预测编码找到序列数据的紧凑内部表示，以促进下游学习。该层次可以蒸馏 [4] 为一个单一的深度神经网络。1993年：解决深度 >1000 的问题。