DeepSeek-R1 登上《Nature》封面:只花了 200 万,没蒸馏 OpenAI
吃瓜电子官网最新热点:DeepSeek-R1 登上《Nature》封面:只花了 200 万,没蒸馏 OpenAI
更新时间: 浏览次数:3519
雷峰网讯 DeepSeek-R1 又开先例,成为首个登上《N🤗ature》封面的中国大模型。 2025 年春节,De😢epSeek-R1 横空出世,因其极低的训练成本引发病毒式传💯播。八个月过去,这一成果带着 Nature 的金字招牌再次回😢到公众视野中央,只为一件事:技术透明。 这篇名为 De😉epSeek-R1 incentivizes reasoni🌟ng in LLMs through reinforceme💯nt learning 的《Nature》 封面论文由创始人🌟梁文锋担任通讯作者。文中首次确认了此前流传的DeepSeek😆 R1 训练成本,约 29.4 万美元,折合人民币约 208😘 万,并进一步披露了模型训练中采用的数据类型、强化学习方案等⭐技术细节。 在揭开这一里程碑式大模型的面纱之外,这篇论😴文更大的意义,是 DeepSeek-R1 作为全球首个经历了😀同行评审的大语言模型,将大模型研究推向了更透明、可重复的方向😉。 此前业内通行的做法,是科技公司在自家官网、论文预印😅本网站 arXiv或知名技术论坛上发布突破性成果及基准测试分👍数,大部分模型 API 随后即向公众开放。这一过程绕开了传统🥳学术评价体系中的同行评审环节,而 DeepSeek 团队则主🤗动接受了这一来自学术界的审视。 根据 《Nature》😊公布的补充信息显示,评审意见主要集中在实验评估、模型安全性和😅伦理风险等方面,要求补充 OOD(分布外)测试、中间阶段性能😆分析、误用讨论等工作。正是针对上述同行评审意见,DeepSe😆ek 团队才增加了对数据类型等训练细节的披露,并进一步证明了😊成果的安全性。 “这是一个非常值得欢迎的先例,“论文评😅审之一,Hugging Face 机器学习工程师 Lewis😍 Tunstall 表示,”如果我们没有公开分享这一过程大部🥳分内容的规范,那么将很难评估这些系统是否构成风险。“ 🙌公开训练细节,回应“蒸馏”质疑 那么在最新版本的论文中❤️, DeepSeek 团队都补充了 R1 的哪些训练细节呢?🙄 首先是训练成本,此前曾震动华尔街的 29.4 万美元🙄数据终于得到证实。 据补充材料介绍, DeepSeek👏-R1 的研究工作分为三个阶段。 第一阶段使用 A10💯0 GPU 对 30B 参数的小模型进行实验预研,因结果表现😀良好,使团队有信心将规模扩大至 660B 参数的 R1-Ze😁ro 和 R1。 第二阶段的成果是 DeepSeek-🙌R1-Zero,研究团队动用了 512 块 H800 GPU❤️,耗时约 198 小时。 最后是 DeepSeek-R😴1,仍然采用 512 块 H800 GPU 的配置,但仅用时🚀 80 小时便宣告完成。 在训练数据构成方面, Dee🤔pSeek-R1 采用了数学、编程、STEM、逻辑四大类题目😘。 展开全文 其中数学数据集由 2.6 万道定量😂推理题构成,涵盖数学考试和竞赛题目,模型需逐步推理并给出最终👍正确答案。 编程数据集由 1.7 万道算法竞赛题与 8😀 千道 Bug修复题构成,其中后者全部来自真实的GitHub🤔 issue,数据集提供问题描述、含缺陷源码与部分失败的单元🎉测试,要求模型定位并修复缺陷,使代码通过全部测试。 S😜TEM 数据集由 2.2 万道选择题构成,覆盖物理、化学、生🙄物等学科,模型需选出最科学准确的答案。 逻辑数据集由真👏实问题和合成问题共 1.5 万题构成。 此外 Deep🤩Seek 团队还引入了通用 RL 数据以提升 DeepSee😎k-R1 的有用性与无害性。在训练过程中,研究人员采用了两个🙌独立训练的奖励模型,一个针对“有用”排序数据训练,涵盖创意写🥳作、编辑、事实问答等领域的 6.6万题,一个针对“无害”排序🙌数据训练,由1.2 万题构成。 特别值得一提的是,在最⭐新版论文中,DeepSeek 团队正面回应了此前关于 R1 😂蒸馏 OpenAI 模型的质疑。 研究团队专门为此设计👏了一项试验,使用 Qwen2-7B 作为基础模型时,通过大规😢模强化学习进行训练,该模型同样可以自主发展出各种先进推理策略🙌。而 Qwen2-7B 的发布时间为 2024 年 6 月,🤩显然早于所有公开的推理模型。蒸无可蒸,推理能力的优化自然源于🙌 DeepSeek-R1 开创的强化学习方法。 Dee😢pSeek-R1 的另一大特征是在推理过程中更频繁地使用“我🔥”和“我们”等第一人称代词。值得一提的是,这种效果是通过精心🚀设计的冷启动数据所实现。 论文中介绍,研究团队发现当推👍理过程符合第一人称视角的思维模式时,用户会认为其回应更直观且😊具有吸引力。为此,研究团队要求标注人员将推理轨迹转换为更自然🤔、更贴近人类对话风格的表达,并以此作为示例提示大语言模型以类😅似风格重写更多。 在如此收集到的数千条 CoT 数据中👏进一步筛选出最终答案正确且格式清晰的,就得到了简洁、可读性强🤗,既包含推理步骤,也涵盖最终结果的高质量冷启动数据。 🤩双重里程碑 时隔八个月再次回顾,DeepSeek-R1🙄 因何成为大模型史上里程碑式的论文? 有一部分答案藏在😍训练成本里。DeepSeek-R1 29.4 万美元的训练成🥳本不仅只有当时同等规模模型的十分之一,而且其中仅有 1 万美🤩元被用于构建 SFT 数据集。这意味和同行相比,它背后砍掉了😴大规模的监督微调。 属于人类的能力,也向人类学习,监督❤️微调曾经是提升模型推理能力的共识。但它的局限性也很明显,对人😁类标注推理轨迹的依赖显著增加了模型训练成本,限制了可扩展性,🙄人类的认知偏见也在向模型渗透。 更引人深思的问题是,复👏制人类思维过程真的是硅基推理的最优解吗?是否存在一种更优越的🚀、非人类思维的推理方式?如果答案是肯定的,那一定在人类示例之👏外。 正是在这样的背景下,DeepSeek-R1 提出😍了一种通过纯粹强化学习实现推理能力自我进化发展的路径,以摆脱🤗对人工标注推理轨迹的依赖。 具体而言,研究团队基于 D🙌eepSeek-V3 base,并使用组相对策略优化(GRP💯O)作为强化学习框架。在全新的训练范式下,仅对最终答案的正确⭐性进行奖励,而不对推理过程本身施加约束。简单来说,就是推理方😢式不限,能抓到耗子就是好猫。 这种训练方案设计和研究团😘队的假设一脉相承:人类定义的推理模式可能会限制模型探索,而不⭐受限制的强化学习训练能更好地激励 LLMs 中新型推理能力的😀出现。 实验结果表明,DeepSeek-R1-Zero❤️ 的确自然地发展出了多样化和复杂的推理行为。为解决推理问题,🤗它表现出了生成更长响应的倾向,并且存在在每个响应中包含验证、🤯反思和探索替代方法的趋势。 “尽管我们没有明确地教模型🙄如何推理,但它通过强化学习成功学习了改进的推理策略。”论文指😜出。 展现出强大推理能力的同时,DeepSeek-R1😜-Zero 在可读性差和语言混杂等方面仍存在挑战。这一问题的🚀根源在于 DeepSeek-V3 base 是在多种语言上完😂成训练,为此 DeepSeek-R1 的开发被提上日程。 🌟 这一次,研究团队不仅通过多阶段强化学习训练改进模型在对话😊式推理过程、语言一致性以及人类偏好对齐方面的表现,而且在拒绝😅采样和监督微调环节将推理和非推理数据集都纳入 SFT 过程,😂这一设计使 DeepSeek-R1 不仅能在推理任务中表现出😜色,还展示出了高级的写作能力。 基准测试结果显示,脱胎😡于全新训练范式下的 DeepSeek-R1 在 MMLU、C👏-eval、GPQA Diamond、Arena-Hard、🔥SWE-bench Verified、AIME 2024 上😢均表现出色。而更直接的例子,则是在 2025 年春节之后的一😆段时间里,DeepSeek-R1 几乎成为了国产大模型的代名😢词。 LLMs 的推理能力可以通过纯 RL 进行激励,😴无需人工标注推理轨迹的参与。这一今天已成为共识的创想,最初就💯是经由 DeepSeek-R1 所实现。DeepSeek 团😡队在此基础上构建的 RL 框架,也促进了自我反思、验证和动态😁策略适应等高级推理模式的涌现。 而今天,这一突破性成果😊经受住了学术出版审查。主动接受专家评审的拷问,补充材料说明技🔥术细节,并最终作为顶刊封面论文刊发……如果说 DeepSee😊k-R1 的初次发布是一个关于前沿技术突破的故事,那么时隔八💯个月之后,这个故事的关键词变成了学术透明和技术开放。 😜补充各种技术细节之后,《Nature》最新这篇封面论文堪称“😴手把手教你训 R1”。它让我们看到头部科技企业的核心成果不是👏只能封装成语焉不详的黑盒提供给用户,而是也可以拿到同行评审面😎前接受审视,以及更重要的,给出符合学术规范的解释和回应。 😂 商业化考量让 OpenAI、Google 等科技巨头纷纷😆和传统的学术审查保持距离,这本无可非议,但是当 DeepSe💯ek-R1 真的成为了可复现、可验证的学术成果,这种对技术开🌟放性的追求无疑也让研究团队的选择更加可敬。 在双重意义🙄上,DeepSeek-R1 都堪称里程碑。 参考资料:🌟 https://www.nature.com/art😍icles/s41586-025-09422-z#ethic😂s https://www.nature.com/ar🤗ticles/d41586-025-03015-6 雷🌟峰网文章返回搜狐,查看更多
北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)
天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)
河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)
唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)
秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)
邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)
邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)
保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)
张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)
承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)
沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)
文 | 即时刘说 文 | 即时刘说 在Labub👏u爆火时,它甚至被市场炒成了 “收藏品”,一位经济领域的大佬🌟和我聊起这事时直言:把 Labubu 当收藏品炒作,本质是个🤩伪命题。大佬给出的理由很明确 ——Labubu 更偏向潮流消😎费品,它的市场价值多靠情绪价值和资本投机撑起来,既没有收藏品😂该有的 “系统性稀缺性”,也缺乏足够的IP深度。 聊到😂这个 “伪命题”,我不由联想到了即时零售行业里的闪电仓—— 😡它现在似乎也面临着类似的 “认知疑问”。 目前即时零售😅平台端公布的市面上闪电仓数量超 5 万家,但依我和很多行业同😢仁的观察判断,真实仍在落地运营的数量恐怕没这么多;更关键的是😆,即便按这个规模算,整个行业里的闪电仓品牌也只有数百个,市面🤩上绝大多数闪电仓其实都是加盟模式,其中真正符合商业逻辑、具备👏可持续性的品牌,或许寥寥无几。除了惠宜选的仓店数突破2500😊 家,其他绝大多数一线闪电仓品牌,比如小柴购、乐购达、优购哆😴、快客达等品牌仓店数在几百家左右;至于更多小品牌,仓店数甚至😊不足 20 家。 所以,刘老实认为有必要和大家一起讨论❤️:当下的闪电仓加盟,到底是不是又一个 “伪命题”? 传👏统加盟的四大门槛,闪电仓能跨过几个? 传统的品牌加盟模🤗型通常建立在四个基础之上,这也是品牌放加盟需满足的核心条件:😡 成熟的商业模型:即有品牌直营店验证这一商业模式的可行🚀性和盈利性; 一定的品牌性:即便品牌目前仍不具备品牌力😘,后续也要加强对品牌的打造; 较强的运营能力:总部需具🌟备全流程支持系统和数字化运营工具; 一定的供应链能力:🤩很多品牌本质上主要依靠供应链盈利(如瑞幸、蜜雪冰城等)。 😁 但放眼当下的闪电仓市场,绝大多数品牌似乎难以达标: 🙌 首先,缺乏经过充分验证的直营模型。仓店品牌虽多,但有些仓店😡甚至都没有自己的直营店,加盟后往往是能 “摸黑过河”; 👍 其次,品牌建设几乎为零。目前,消费者认的是平台标识(美团闪😀购、淘宝闪购、京东秒送),而非仓品牌本身;且目前即时零售平台🙄用户主要依靠搜索商品关键词购物,特定到某闪电仓品牌购物的占比😡相对较少; 再次,运营支持系统薄弱。尽管大多数品牌都提😎供运营服务,并赚取加盟商的销售抽点,但很多品牌在选品、定价、😂动销策略等关键环节仍缺乏精细化管理; 最致命的是第四点😘:供应链能力缺失。绝大多数闪电仓品牌没有自己的供应链,更无自🤩建中心仓,加盟商的货源大都来自 1688、拼多多等平台,导致😜商品质量参差不齐、同质化严重。 其实并非大多数闪电仓品🤩牌不想做自己的供应链,而是先天条件不足。 展开全文 🤗 闪电仓与便利店、餐饮等传统实体加盟存在本质差异:闪电仓做🙌的是线上半径生意(多为 3-5 公里),其密度天花板非常低。😎即便在北京、上海这样的超大型城市,同一品牌目前也很难支撑超过🎉100 个仓店同时健康运营,这也切断了绝大多数品牌方打造自身🔥供应链的想法。 然许多品牌也在平台没有区域保护机制的情😍况下进行全国招商加盟,导致区域内卷加剧、单仓盈利困难;这种 😘“一套货盘打全国”的模式,显然难以适应不同区域的消费差异。 😍 可以说,除了极少数品牌自建仓配体系外,绝大多数闪电仓在🤗供应链端几乎毫无壁垒—— 而这恰恰是加盟模型中最核心的盈利来😎源之一。 面对这些问题,我们需要思考:这是商业模式本身🔥的问题,还是行业发展的阶段性问题?对此,市场存在两种不同观点😉: 有观点认为,闪电仓仍处于早期发展阶段,目前的问题并🙄非模式缺陷,而是行业尚未进入成熟期。正如电商早期一样,混乱与🔥整合是必经之路,随着市场出清和资本筛选,最终能留下的品牌或将👏建立起真正的供应链和运营能力。 也有不少人和我持相同看🌟法:如果绝大多数参与者始终依赖低质货源、缺乏品牌认知、只能在🎉平台流量红利中 “薅羊毛”,那么闪电仓加盟很可能只是一个 “😆看起来很美” 的伪命题。因为它吸引了很多并非真正的创业者,而😜是追逐风口的投机者入局 —— 正如 Labubu 的炒作逻辑😅一样,情绪和资本驱动之下,缺乏可持续的根基。 所以,我🙌们不必急于给闪电仓加盟是否是伪命题下定论,但必须提出更尖锐的🎉核心疑问: 1、在没有供应链控制力的情况下,闪电仓品牌😅究竟靠什么为加盟商提供长期价值? 2、是走区域为王的精❤️细化运营之路,还是继续走全国招商加盟的扩张之路? 3、💯平台政策一旦变动(如抽成比例或流量分配调整),对平台依赖度极🙄高的闪电仓该如何生存? 4、如果消费者只认平台、不认仓❤️品牌,那么加盟的 “品牌溢价” 究竟存在于哪里? 5、🤩闪电仓要想提升单量,除了卷价格,增加sku外,是否能找到真正💯的解锁钥匙? 6、闪电仓是否适合搞私域,又如何打造自己🙄的私域? ...... 这些问题并不容易回答,但😉却值得每一个参与者深思。闪电仓是否将成为即时零售的基础设施,❤️抑或只是资本助推下的又一波泡沫?答案可能要在未来两三年内才能🔥真正浮现。而在那之前,保持清醒的批判性思考,或许比盲目入场更🙌加重要—— 尤其是对行业小白而言。 对此,你有什么高见🤯,也希望在评论区和刘老实一起互动讨论。返回搜狐,查看更多
推荐阅读
王健林差点被赶下“牌桌”



【钛晨报】国家税务总局:平台企业不得以任何形式将自身涉税义务转嫁给平台内从业人员;特朗普称对境外制作电影征100%关税;DeepSeek-V3.2-Exp发布并开源,开发者调用API的成本将降低50%以上



从IO到后IO时代:BMS肿瘤战略的沿袭与演进



盘古智库发布《中国算力与能耗研究报告暨2030年发展预测》报告



破解“内卷”困局:从“量本利”到“价本利”的转变



自动驾驶的流派纷争史



大多老板都会撒的三个谎



宜宾以 169 亿文旅机会场景 + 36.5 亿签约项目,按下国际旅游城市建设 “加速键”



市值重回1000亿,华友钴业,熬过“至暗时刻”



狂生炸山之后



市值较高点缩水超250亿,“松鼠老爹”跨界能否重返创富榜?



大专学历,还有机会做制作人吗?



海运脱碳:星辰大海,惊涛骇浪



中际旭创半年涨六倍,“烟台首富”王伟修出手减持



莫干山民宿的“狼”来了?



涪陵榨菜的创业者们陆续退场



地平线再融58亿,自动驾驶芯片赌的是未来



35岁失业后的“宅系工作”,80、90后靠兴趣边玩边赚钱



【钛晨报】细化餐饮服务连锁企业食品安全主体责任,市场监管总局发布新规;龙蟠时代已于9月25日停产,预计11月正式复产;八部门:适时丰富重要有色金属期货交易品种和金融衍生品种



慕思X鸿蒙智选联合发布智能床新品;FILA发布品牌网球战略并官宣小布;甜啦啦联名《茶啊二中》|消研所周报



3000亿天价算力协议背后:OpenAI的“资本大戏”与AGI的泡沫边界


