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:2805

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)

光明网评论员:又是一个硕果累累的秋天! 南国海面上,科⭐考船“梦想号”向着海洋深处慢溯;新疆喀纳斯,秋风染醉的层林间😀游人如梭;丽江花卉产业园,姹紫嫣红争奇斗艳;黑龙江建三江垦区🙌,万顷灼金稻浪翻卷…… 十月,把最丰富的表情、最饱和的⭐色调、最华丽的和声,毫无保留地献给我们,献给这个伟大的节日—😀—我们共和国76岁华诞! 这个节日里,故事很多很多: 🚀 民以食为天。但以前的史册里,写满了饥馑、荒年。刚刚过去👍的第八个“中国农民丰收节”,捷报一个挨着一个——夏粮创下历史😜第二高产纪录、早稻亩产首次突破400公斤。 这是大西南😘,地无三尺平,处处行路难。可现在,天堑变通途。这不,通车不久😀的贵州花江峡谷大桥,桥梁高度、主桥跨径居山区桥梁跨径世界第一😊。 忘不了当年,西方侵略者在海岸线上架起几尊大炮就逼着⭐我们割地赔款。再瞧,九三阅兵,铁甲滚滚,战车隆隆,猎鹰翱翔,💯赫赫大国重器让那些觊觎者心惊胆寒…… 这个节日里,欢乐🌟连着欢乐: 大众参与、大众共创、大众传播、大众热爱的“🤩新大众文艺”把普通人变成文艺作品的主角;热爱就能上场、随时都💯能锻炼的“新大众体育”,让体育重回快乐的本质。 为看一🚀场演出奔赴一座城,为看满天星斗说走就走,舞台拓展了,赛场开阔🌟了,旅途畅通了,一句话:咱的生活更好了。 更好了意味着😢什么?奋斗增强了国力,拼搏带来了突破,国富民强才有了万民和乐🤯! 这个节日里,收获连着收获: 扎陵湖畔那方石刻🔥,出自何人之手?昆仑地望,究竟如何界定?廿六、卅七,到底谁更🤗准确?发轫于光明日报的“昆仑石刻”学术争鸣,让我们再一次惊叹😴华夏文明的瑰丽宏远。这是全民文化素养提高的明证,这是当代中国😂文化自信的彰显! 而中国社科院刚刚公布的12项重要考古😉成果,哪一项不让人欣羡?哪一项不令人思索?哪一项不推动传统文😍化传承发展? 国泰民安,国富民强!这个节日里,让我们在🚀城市乡村的变化中,在历史演进的长河里,在身边小事的折射中,更🚀真切地感知社会进步的节律,更自豪地品味劳动收获的快乐。 🌟 如果把眼光放得更长远一点,这种感觉就会更加真切、更加夺目。😆76年积累,76年奋斗,山河巨变,家国共兴。我们用几十年时间🥳走完了其他发达国家几百年走过的路,我们在众多领域攀升到领跑的🙄位置,但我们,仍需继续努力,仍需奋力跋涉! 因为我们明🥳白,人到半山坡更陡,船到中流浪更急。前进道路上,还有丛丛荆棘💯,还有道道坎坷。且不说国内外环境变化带来的复杂影响,也不说与🚀某些自然灾害的不期而遇…… 有困难,但我们不怕困难! 🎉 “寒露接霜降,秋收秋种忙。”这个丰盈的节日,只是我们新😡的奋斗的起点。我们收获了沉甸甸的稻穗,那无垠的田野,又召唤着😁我们去耕耘,又期待着我们把冬小麦撒播。 是啊,秋天就是😉这样,它慷慨地把收获的快乐全部献给你,同时也毫不客气地督促你😍:出发吧,为了下一季的收获! 编辑:邬嘉宏返回搜狐,查🙄看更多

发布于:雷波县
评论
全部
还没有人评论过,快来抢首评
抢首评

推荐阅读

Patagonia速干T恤277元抢购

界面新闻 2025-10-16 02:36:14 5390

今日头条因热搜管理疏漏被约谈并整改

界面新闻 2025-10-16 07:56:17 2328

微软发布Win11 23H2可选更新KB5065790:修复多项Bug并提升系统稳定性

界面新闻 2025-10-16 09:41:18 6141

广汽丰田携手华为发布2026款智能新车

界面新闻 2025-10-16 02:07:14 3962

头条回应被约谈:全面整改热榜机制强化内容治理

界面新闻 2025-10-16 08:20:07 3733

今日头条因热搜乱象被约谈整改

界面新闻 2025-10-16 12:48:29 4347

鸿蒙智行发布问界M9重大升级,支持CarPlay与多项智驾新功能

界面新闻 2025-10-16 02:42:40 4901

理想汽车回应自媒体不实测评将依法追责

界面新闻 2025-10-16 06:37:05 9424

直播电商虚假营销与假货问题凸显 监管加码促行业规范

界面新闻 2025-10-16 06:51:10 8069

腾讯广告携手京东重磅发布京腾4.0:AI驱动全域智能营销新时代,破解增长难题

界面新闻 2025-10-16 02:23:25 5323

锦欣生殖(01951.HK):方敏已辞任非执行董事

界面新闻 2025-10-16 03:46:46 1556

中微智码(08041.HK)拟成立合资从事开发及销售防伪技术产品

界面新闻 2025-10-16 12:17:07 9614

加科思-B(01167.HK)9月25日耗资150万港元回购16.3万股

界面新闻 2025-10-16 12:22:02 4520

中微智码(08041.HK)更改董事会会议日期

界面新闻 2025-10-16 01:14:19 4064

越秀交通基建(01052.HK):委任姚晓生为执行董事

界面新闻 2025-10-16 06:58:51 5237

吉宏股份(02603.HK):预计前三季度扣非净利润同比增长65.72%-76.86%

界面新闻 2025-10-16 09:40:12 5511

美国经济:二季度GDP增速上修至3.8%

界面新闻 2025-10-16 11:58:49 7355

极飞科技:9月25日递表港交所,2025年中利润1.3亿

界面新闻 2025-10-16 10:35:38 2182

美国:全力支持阿根廷,保护其免受短期操纵

界面新闻 2025-10-16 01:55:45 3949

xAI:9月25日与美政府签协议扩大Grok使用范围

界面新闻 2025-10-16 10:55:17 3104

美国GDP:前季降0.6%,二季度多项指标有变化

界面新闻 2025-10-16 14:09:57 1209
为您推荐中
暂时没有更多内容了……