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)

近日，《Nature》杂志的最新一期封面论文引起了广泛关注，🙄研究主题是 DeepSeek-R1。这项研究由梁文锋教授团队👏主导，内容围绕如何通过强化学习来提升大型语言模型（LLM）的😂推理能力。早在今年1月，该研究已在 arXiv 上发布，受到😀学术界的高度评价。 在封面介绍中，《Nature》指出🙄，如果大型模型能够规划解决问题的步骤，往往会得到更好的解决方🤔案。这种推理能力与人类处理复杂问题的方式相似，但在人工智能领👍域实现这一点面临着巨大的挑战。研究团队展示了如何在极少人工干👍预的情况下训练出具备推理能力的模型。 DeepSeek⭐-R1模型的训练采用强化学习策略，模型在正确解答数学问题时会🌟获得高分奖励，而答错则会受到惩罚。通过这样的机制，DeepS🤔eek-R1学会了逐步推理、解决问题，并在给出答案前进行自我⭐验证，从而提高了其在编程和科学研究中的表现。 值得一提🚀的是，DeepSeek-R1被认为是首个经过权威学术期刊同行😴评审的语言模型，这一成就标志着 AI 领域的一个重要里程碑。😀Hugging Face 的工程师 Lewis Tunsta🤗ll 对此表示，这是一个重要的先例，强调了行业规范的重要性，🚀尤其是在评估 AI 系统潜在风险时。 此外，研究团队在👍论文中对模型的训练数据类型和安全性进行了详细说明，避免了对模😎型的拟人化描述，确保研究的严谨性和透明度。这一开放模式得到了😀同行的广泛赞誉，认为有助于提升公众对 AI 的信任。 👏划重点:返回搜狐，查看更多