DeepSeek [1] 使用了 2015 年強化學習提示工程師 [2] 及其 2018 年改進 [3] 的元素，通過 1991 年的神經網络蒸餾程式 [4] 將 RL 機器和世界模型 [2] 摺疊成一個網络：一個提煉的思維鏈系統。 參考資料（在網上很容易找到）： [1] #DeepSeekR1 （2025）：通過強化學習激勵 LLM 中的推理能力。arXiv 2501.12948 [2] J. Schmidhuber （JS， 2015）。關於學會思考：強化學習控制器和遞歸神經世界模型新組合的演演算法資訊論。arXiv 1210.0118。第 5.3 節描述了強化學習 （RL） 提示工程師，它學習主動和反覆運算查詢其模型以進行抽象推理、規劃和決策。 [3] JS （2018 年）。一張大網萬物。arXiv 1802.08864。另請參見 US11853886B2。本文使用 1991 年的神經網路蒸餾程式 [4] 將強化學習器和 [2] 的世界模型（例如，基礎模型）摺疊成一個網路。本質上是現在所謂的 RL“思維鏈”系統，其中後續改進不斷提煉成一個網路。另請參見 [5]。 [4] JS （1991 年）。使用歷史壓縮原理學習複雜的擴展序列。神經計算，4（2）：234-242,1992 年。基於 TR FKI-148-91，TUM，1991 年。第一個基於深度遞迴神經網路層次結構（具有不同的自組織時間尺度）的深度學習器，通過無監督的預訓練（CHatGPT 中的 P）和預測編碼克服梯度消失問題。此外：將教師網（分塊器）壓縮或提煉成學生網（自動化器），它不會忘記其舊技能 - 這種方法現在被廣泛使用。另見 [6]。 [5] JS（AI 博客，2020 年）。使用迴圈世界模型和人工好奇心進行規劃和強化學習30周年（1990年，引入高維獎勵信號和GAN原則）。包含上述 [2][3] 的摘要。 [6] JS（人工智慧博客，2021 年）。30 周年紀念日：第一個使用無監督預訓練進行非常深度學習（1991 年）[4]。無監督分層預測編碼找到順序數據的緊湊內部表示，以促進下游學習。層次結構可以提煉 [4] 到單個深度神經網路中。1993年：解決深度 >1000 的問題。