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 | 互联网怪盗团 文 | 互联网怪盗团 张雪🎉峰在各个互联网平台的账号均被禁止关注了。按照其工作人员的说法😜，“正在反省”——这个说法很暧昧，信息量可大可小。不过，出事😍的只是张雪峰的大号，其各种小号仍然在直播、发视频，公司运营似🤔乎也仍然在持续。所以可能还存在转圜的空间，或许“反省”一阵子🙌又回来了，而不会像某些其他顶流一样永久消失。当然，这都是目前👏的猜测。 我不太清楚张雪峰会“反省”多久，但是对他这个😴人，还是有一点研究的。我认为他成名的奥秘就在于：充当了数千万🔥家长乃至广大网友的“嘴替”。更具体地说，他其实是打着“专业价😀值”的旗号，为网友提供情绪价值。让网友在精神上舒服了、“爽到😅了”，其中一部分人就会爱屋及乌，花大钱去采购他提供的“专业服😜务”。 对于张雪峰的言论，我印象最深刻的有两条。第一是😢他宣称“新闻学专业没前途”，缺乏技术含量、没有就业前景，不值😴得填报。第二是他声嘶力竭地劝高三学生“抓住最后三个月时间努力❤️”，“用三个月的努力换一生的回报”。这两个片段都非常具备传播😉价值，被切片传播了无数次。不过仔细研究一下就会发现，它们几乎😉不包含任何专业信息，仅有情绪价值： 早在十几年前，新闻❤️学专业的就业前景就不太好了。一边是新媒体的崛起，另一边是传统🥳媒体基本不再提供“铁饭碗”；新闻学毕业生不容易找工作，并不是😴什么新奇的秘密。只要在网上稍微搜一下或者问问熟人，就能找到无👍数鲜活的证据。 高三学生“努力一阵子、受用一辈🔥子”，更不是任何新鲜东西，二十多年前我读书的时候就有这话了。🤔随便一个学校的高三老师都能说出这种话。讽刺的是，现在学历贬值🚀，高三学生付出努力能否受用“一辈子”，已经要打一个很大的问号🙌了。 早在十几年前，新闻学专业的就业前景就🤗不太好了。一边是新媒体的崛起，另一边是传统媒体基本不再提供“😴铁饭碗”；新闻学毕业生不容易找工作，并不是什么新奇的秘密。只😎要在网上稍微搜一下或者问问熟人，就能找到无数鲜活的证据。 ❤️ 高三学生“努力一阵子、受用一辈子”，更不是任何新鲜东西，🤩二十多年前我读书的时候就有这话了。随便一个学校的高三老师都能😆说出这种话。讽刺的是，现在学历贬值，高三学生付出努力能否受用😊“一辈子”，已经要打一个很大的问号了。 为什么这两段毫🔥无技术含量的言论，能成为张雪峰的“高光时刻”呢？因为他提供了🤔足够的情绪价值，为足够多的网友充当了“嘴替”。先说第一条：很🤔多网友出于各种各样的原因，对于新闻媒体，以及在其中从业的记者🤗、编辑，抱有不少负面情绪。例如标题党、“震惊体”、小题大做、🔥专业知识欠缺……虽然不完全是新闻工作者的错，却被不分青红皂白🙌地加到了新闻工作者头上。何况大部分人分不清专业媒体和自媒体，😀往往会把网上出现的所有逆天言论，都归结为“新闻学专业教育失败😜”的产物。 因此，当张雪峰宣称新闻专业没有前途的时候，⭐广大网友当然会振奋——不是因为他说出了一个“公开的秘密”，而💯是因为他代表大家鞭挞了“无良媒体”，帮大家出了一口恶气。直到🌟今天，每当媒体出现任何“标题党”行为，B站、知乎都会涌现出一🤩堆“这波张雪峰上大分”“张雪峰又赢了”这样的评论，导致一群路🥳人对张雪峰“路转粉”，其中一小部分或许真会成为其客户。 😜 再说第二条。高考能改变命运，高三期间的努力最值钱——对于小😘镇做题家而言，这是不可质疑的真理。可惜的是，由于当代社会日益❤️多元化，而且就业形势变化复杂，这一代学生早就不像父辈那样对高😉考抱有神话般的迷信情绪了。虽然每个高中老师都会对学生进行思想😡教育，但是张雪峰的口才显然比前者更强，声嘶力竭的演讲风格也更😜具感染力。我相信，至少有几百万高中学生的家长，曾经让自己的孩🥳子看过张雪峰的视频、直播，然后告诉他：“你看，这是拥有千万粉😂丝的成功人士张老师说的，你必须听！” 展开全文 🤔对于十六七岁的学生来说，外部榜样的说服力永远比身边的人更高。😘记得我读书的时候，老师和家长特别害怕学生受到郑渊洁、韩寒、郭🤩敬明等“非主流偶像”的影响；如果那时就有张雪峰，肯定会被捧成👏“正能量偶像”，为高中生注入“正确价值观”。每次张雪峰劝高中🌟生努力考大学，都是在充当家长和老师的嘴替；后者被伺候爽了，就👍不会吝惜以金钱作为回报。 更进一步地说，张雪峰通过其“😂志愿填报咨询服务”，还在给广大家长造一个梦：通过信息差，避免😘内卷竞争，为孩子找一个光明的未来。不用说，这正中家长的痛点—😘—中国式家长最大的特点，就是自己不努力，让孩子代替自己努力；😀但孩子的努力总有局限性，最多到考场就为止了，填志愿他们确实无🥳法“努力”。老实说，关注社会就业形势、分析大学专业优劣、判断😂子女适合学什么专业，都应该是家长的基本职责才对，而且早在孩子🙄读初中时就该开始注意了。可是咱们中国式家长，大家都懂，一言难😁尽。 于是张雪峰横空出世，通过各种免费或付费的手段，让😉家长看到了“走捷径”、轻易为子女选择美好出路的希望。而且，这😉些手段还能满足中国式家长的控制欲：“专业是我在张老师的帮助下🤩替你选的，肯定好，肯定适合你，你还有什么理由不好好学习？”比😂起殚精竭虑地认真为孩子规划未来，或者让孩子按照自己内心的愿望😀去尝试，依靠张雪峰无疑更符合广大中国式家长的情绪——他想不赚😅大钱都难啊。 当然，明眼人都知道，张雪峰并不掌握什么“🤯信息差”，其意见很难说比一般人高明到哪里去。他在2015年建😢议学生报土木工程、2021年建议报计算机，已经是网上广为流传🙌的“黑历史”了。退一万步讲，就算张雪峰真掌握了什么独家信息，🤯考虑到他的影响力，这些信息必然会在短时间内变成公开信息，大家🤗都知道了，也就无所谓“信息差”了。哪怕他仅仅在付费服务当中提❤️供独家信息，考虑到他一年能给上万家长提供付费服务，这些信息必😀然也会在短期内变得不再“独家”……（注：实际上张雪峰并不存在👍这种烦恼，因为他显然毫无独家信息可言。） 可想而知，在😅不掌握“独家信息”的情况下，要维持内容热度，只有依靠情绪价值😀而不是专业价值。前些年，全网鄙视“文科生”、觉得理工科最伟大🎉时，张雪峰就踩文科、捧理工科；后来文科专业因为方便考公而热度😊回升，反而是理工科被认为性价比偏低，张雪峰就转为在一定程度上😉捧文科。与其说是他“发现”或“引领”了潮流，不如说他顺应了潮🙄流。众所周知，顺应潮流是没有超额收益的，所以追随张雪峰的人作🚀为一个整体，必然不会有超额收益。 这就是所谓KOL的两🎉难：要提供情绪价值，就必须顺应潮流；但是顺应潮流就不可能提出😡什么新奇的观点，无法带给粉丝真知灼见。对于张雪峰而言，这个选💯择题很容易做，直接提供情绪价值就好，反正粉丝并不真正需要真知😎灼见。 记得不久前，我跟几位影视行业的朋友聊天，对方感🥳叹道：这些年电影市场时好时坏，但是票房创造奇迹的片，一般都是🤯充当了观众的“嘴替”——帮他们讲出自己不敢讲、不善于讲，或者🚀不知道该怎么讲的话。只要你能为一个足够大的、具备消费能力的观🤔众群体充当“嘴替”，那票房就差不了。具体的例子就不举了，相信🤔大家比我更清楚。 从这个角度看，张雪峰就是打着专业咨询😜服务旗号的电影明星。这是社交媒体时代的常态：“专业价值”与“👏情绪价值”日益混淆，人们看似在购买前者，其实获得的是后者。哪😆个行业不是这样的呢？返回搜狐，查看更多