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:1182

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)

天眼查APP显示,近日,赛摩智能科技集团股份有限公司新增一则😊开庭公告,案由为“买卖合同纠纷”,原告为赛摩智能科技集团股份🔥有限公司,被告为国泰消防科技股份有限公司、王根彬、肖素玲、南🙄京国泰消防集团有限公司、殷政维、南京鑫泰隆投资管理中心、南京👍瑞泰金企业管理中心。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

星巴克中国创新科技中心发布数字化成果;喜茶「超级植物茶」一周年卖出1亿杯;始祖鸟运动员刘洋携团队成功完攀卓木拉日三峰|消研所周报

南京晨报 2025-10-16 09:41:43 3585

正在“国退民进”的三亚高星酒店…

南京晨报 2025-10-16 11:17:55 1330

“京美淘”正在成为山姆平替

南京晨报 2025-10-16 11:38:27 8498

沃尔玛想再造一个沃尔玛

南京晨报 2025-10-16 07:34:44 1220

【钛晨报】每年一次性发放,育儿补贴制度管理规范发布;英伟达以50亿美元入股英特尔,并达成芯片合作;房车新国标发布:行车“禁卧”“禁浴”,明年3月1日起实施

南京晨报 2025-10-16 12:47:16 1024

苹果也学会内卷了

南京晨报 2025-10-16 02:45:56 3056

顺丰京东菜鸟鏖战东南亚:极兔王座不稳?

南京晨报 2025-10-16 11:03:11 8310

餐饮加盟商,不再为“大牌”买单?

南京晨报 2025-10-16 04:04:15 8549

预制菜的困局与出路:一场来自业内的真实对话

南京晨报 2025-10-16 11:15:21 7442

马克龙“拿捏”特朗普:只有他能向以施压,只有停战才能拿和平奖

南京晨报 2025-10-16 06:31:41 7586

北欧两大机场因不明无人机停摆,丹麦首相:不排除俄罗斯的参与

南京晨报 2025-10-16 07:49:07 4615

美联储官员隔空激辩:鲍曼要加快降息,古尔斯比呼吁谨慎

南京晨报 2025-10-16 01:19:57 2752

特朗普前经济顾问警告:关税或是就业市场恶化的推手!

南京晨报 2025-10-16 09:48:37 8042

最后的“摊牌”!民主党人计划本周四与特朗普当面对决

南京晨报 2025-10-16 12:01:48 6743

全球资管格局生变,上海凭科技与资产优势跃居全球第五

南京晨报 2025-10-16 13:19:55 7441

印尼镍业变局:一纸查封,难抚全球焦虑

南京晨报 2025-10-16 04:20:28 2613

转转向左,闲鱼向右

南京晨报 2025-10-16 01:04:15 4197

被嫌弃的PROTAC第一人

南京晨报 2025-10-16 05:14:55 8438

警惕GLP-1“陷阱”

南京晨报 2025-10-16 12:21:49 7858

国美遇困,黄光裕“追氢”

南京晨报 2025-10-16 02:40:07 9285

AI认知革命:从Ilya的“超级智能对齐”到智能体“不完备定理”

南京晨报 2025-10-16 12:06:31 4686
为您推荐中
暂时没有更多内容了……