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:9352
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)
晨报讯(通讯员 沈科达 南京晨报/爱南京记者 黄燕)9月29😎日,溧水石湫街道组织2025年度“军事日”活动,街道领导班子🥳、相关科室负责人及各村(社区)书记共35人参与,通过“专题讲😘座+现场教学”沉浸式接受国防教育,切实提升党政干部国防观念与😢履职担当。 当日14时,“国防教育专题讲座”在大金山道❤️德讲堂开讲,由街道党工委委员、人武部部长毕文文主持。活动特别😂邀请陆军工程大学蒋斌教授(军事学博士、政治学博士后),以“地🙄缘战略对国家安全的影响”为主题授课。蒋教授结合全球地缘格局演🥳变、我国周边安全态势,剖析典型案例并解读国防政策法规,让在场😡人员深刻理解“国无防不立、民无兵不安”,为后续学习夯实理论基😢础。 现场教学环节,全体人员先走进党史馆,通过文献、影😆像与实物,重温党领导人民军队的光辉历程,感悟革命先辈的爱国情😡怀与斗争精神;随后参观雷锋馆,“螺丝钉精神”与“全心全意为人🥳民服务”的事迹引发共鸣,干部们表示将把雷锋精神融入基层服务与🤗民生保障。此外,大家还参与轻武器射击,严守纪律规范,在实践中🥳强化国防认知。 此次“军事日”活动以“理论+实践”落实🤔国防教育要求。下一步,石湫街道将持续深化国防教育,推动党管武😍装与基层治理深度融合,为辖区高质量发展筑牢安全屏障。 返回搜🎉狐,查看更多
推荐阅读
时隔9个月重启降息!美联储如期降息25个基点,新任理事投了反对票(声明全文)



我,公司创始人,不接受产业资本的钱



21独家|刘元春、沈建光等牵头资本市场学会宏观与产业专委会



德众汽车成立新公司 含新能源汽车整车销售业务



新华社快讯:我国高水平国际期刊论文数量和国际专利申请量连续5年世界第一



新华社快讯:我国研发人员总量世界第一



iPhone 17系列早期交货时间增加 大摩维持苹果(AAPL.US)“增持”评级



消息称 OPPO 于 10 月 15 日发布 ColorOS 16



DeepSeek-R1 登上《Nature》封面:只花了 200 万,没蒸馏 OpenAI



我国研发人员总量世界第一



多个世界第一!“十四五”时期我国科技事业取得历史性成就



科技部:我国研发人员总量世界第一



“如果没有中国,美国将独霸AI”



92款广东大模型“持证上岗”,备案数全国第二赋能千行百业



科技部:全国新能源汽车产销量连续10年保持全球第一



第四届琶洲算法大赛吸引30余国8100名选手参赛,赛事福利助力AI成果落地



苹果承认iPhone17系列及 iPhone Air 存在相机漏洞,将尽快发布修复程序



AI驱动安全能力升级 长亭科技斩获网安周双项冠军



Claude 公司 CEO 示警称 AI 加速取代人类,近半白领岗位未来 5 年恐被淘汰



消息称马云已“强势回归”,阿里巴巴暂无回应



消息称iPhone 18 Pro及Max屏幕仍分别是6.3英寸、6.9英寸


