DeepSeek把RL（unsupervised）引入LLM訓練的後期階段，取代監督微調（SFT），這是由監督學習，轉向非監督學習的重要算法改進，業內稱為飛輪，依靠飛輪自身轉動，改進大語言模型的效率，就像AlphGo Zero那樣。這套方法明顯可以被OpenAI，Google，XAI等美國AI大玩家利用，改進自己現有的模型訓練。簡單來說，Deep Seek用1%算力，搞成了接近100%的performance。大玩家借鑒RL這個飛輪，施加100%的算力，能達到10000%的performance嗎？能達成1000%也很好了啊，甚至200%也行啊。將來施加1000%的算力，就會達成2000%的效果了。感覺距離AGI越來越近了。
好像DeepSeek證明了“中國人”，從而證明了“自己”多麽聰敏似的。DeepSeek完成了重要的算法改進，借鑒了LLM訓練的注意力機製，AlphaGo Zero的非監督強化學習，以及模型蒸餾和濃縮技巧，這是算法上的重要改進，能把整個大模型訓練提高一個台階。但是十分明顯，就像Deep Seek借鑒別人成果一樣，別人也可以借鑒這一成果，加速自己模型的訓練，在算法差不多的情況下，數據（數量和質量）和算力依然決定模型的性能。
