雷峰网讯 DeepSeek-R1 又开先例，成为首个登上《Nature》封面的中国大模型。 2025 年春节，DeepSeek-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 DeepSeek-R1 incentivizes reasoning in LLMs through reinforcement 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，DeepSeek 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 A100 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-Zero 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-R1，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， DeepSeek-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。 STEM 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 DeepSeek 团队还引入了通用 RL 数据以提升 DeepSeek-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。 DeepSeek-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 DeepSeek-V3 base，并使用组相对策略优化（GRPO）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 DeepSeek-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 DeepSeek-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/articles/s41586-025-09422-z#ethics https://www.nature.com/articles/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)

新兴市场动态 1、马来西亚积极推动《东盟数字经济框架协😉议》达成实质性成果 在2025年世界经济论坛东盟数字经😊济商务对话会上，投资、贸易及工业部秘书长拿督海里尔指出，作为😜全球增长最快的区域之一，东盟需通力合作推进数字化转型，通过D🚀EFA等区域重点倡议，打造充分释放数字潜能、统一而紧密的数字🤔共同体。马来西亚积极推动落实东盟数字经济框架协议（DEFA）👏，马来西亚投资、贸易与工业部长 Tengku Datuk S😘eri Zafrul Abdul Aziz 日前表示，马来西🎉亚已完成两个重点经济成果（PEDs）的谈判，分别为《东盟-中⭐国自由贸易协定》（ASEAN-China Free Trad😂e Agreement，ACFTA）和《东盟货物贸易协定》（🙄Asean Trade in Goods Agreement🤩，ATIGA），预计将于10月签署。 2、沙特阿拉伯或👏将取消外资持股上限规则 据报道，沙特阿拉伯正考虑对外资😡持股规则进行重大调整，或将取消当前针对上市公司的外资持股上限😜。根据现行规定，外资持股比例不得超过49%，而新规可能允许外😆资投资者持有上市公司多数股权。根据彭博社的报道，该规定可能在😊2025年底前实施。摩根大通和 EFG Hermes 的分析😍师表示，如果规则发生变化，新投资可能超过 100 亿美元。酋🙌长国迪拜国民银行（Emirates NBD）代理研究主管兼首😉席经济学家 Edward Bell 表示，据资本市场管理局一😀位董事会成员透露，沙特阿拉伯正考虑将上市股票的外资持股上限提😂高至超过现行的49%。允许外资持股份额的增加将增加沙特阿拉伯😊上市股票对更多被动投资者的吸引力，并增加其在全球基准指数中的👍份额。 3、越南拟出台直播带货新法 越南工业与贸❤️易部提出电商法律草案，正处国会常务委员会讨论阶段，预计10月😀提交国会审议，旨在规范直播带货等线上活动，提升市场透明度并保⭐护消费者权益。草案要求国内外卖家、直播带货者等经VNeID数🚀字平台实名认证，平台需承担核实与实时监测责任；禁止虚假宣传，⭐联盟营销需建追踪机制。 4、刚果(金)以配额制替代钴出🤯口禁令 刚果(金)结束钴出口禁令，改为实行出口配额制度😴，预计配额规模不足以满足下游需求，钴资源供应趋紧。我国企业加🥳速开拓海外钴资源开发、回收等多元化供给渠道。刚果(金)钴矿储❤️量全球占比 55%，产量占比 76%，我国精炼钻产量全球占比😴约八成。现货市场钻产品报价上涨部分企业暂停报价，观望为主。刚🌟果(金)将允许出口逾1.8万吨钴，配额将根据企业历史出口量比😅例分配。中国企业需积极开拓印尼钴资源，寻求多元供给迫在眉睫，🌟资源回收行业更具商业性。 平台动态一览 1、亚马😢逊扩大多渠道配送服务（MCF）覆盖范围 ，向SHEIN、Sh🤩opify和沃尔玛商家开放服务 日前，据亚马逊官网披露🔥，该平台正式宣布其第三方物流产品——亚马逊多渠道配送服务（M😅CF），将扩展覆盖范围，向SHEIN、Shopify和沃尔玛🙄平台的商家开放服务。此前MCF服务已助力eBay、Etsy、😴Temu和TikTok Shop等其他销售渠道的商家实现配送👏。得益于和亚马逊物流（FBA）共享库存池，MCF服务能够赋能🤯卖家简化配送流程，通过现有物流渠道增加销售额，并迅速在新的平😎台开展业务。这大幅降低了企业在其入驻的各个平台都需要单独布局😂履约能力所耗费的时间和成本投入，为商家提供了更快捷的解决方案🙌。 展开全文 2、TikTok Shop美区黑五😎和秋促报名正式启动 TikTok Shop美国站已正式😴开启秋季大促及黑五活动的报名通道，并推出三项核心权益升级：首🚀先，平台将以全额优惠券替代商家部分出资，仅收取1%的服务费（🔥在有效订单结算时扣除）；其次，报名商品将自动激活GMV Ma❤️x广告计划并进入大促模式，以提升其曝光率和转化率；最后，商家🎉可以在活动价格的基础上设置额外折扣。此次大促面向中国内地、中😜国香港及美国的商家开放，商家需通过卖家中心的营销入口提交商品🤔，同时关注价格审核和折扣灵活调整机制。 3、Shope😢e越南和泰国站点物流佣金上涨 Shopee跨境店宣布，😂将自10月1日起提高越南站点南宁仓订单的佣金费率，从9.82❤️%调整至12.17%。同时，标准渠道与快速渠道的SLS物流成🎉本也将进行同步调整。至于泰国站点，自11月1日起，南宁仓的佣🤗金将在原有9.63%-11.77%区间上调至16.05%-1🚀8.19%。部分SLS物流渠道费用也将在10月1日同步更新。🚀此次调整适用于南宁仓店铺和一店多运店铺中的相关订单，卖家需登🔥录企业微信查看完整费率表，并利用藏价工具及时调整商品定价，以😁避免因藏价不足而造成经济损失。 4、Temu再度刷新黑🚀五大促纪录，预热阶段提前至十月上旬 Temu官方宣布，😆其美国站黑色星期五大促将于10月9日14:00正式启动预热，😉持续至11月29日15:59结束，全周期长达51天，再次刷新😆了Temu黑五大促持续时长的纪录。本次大促分预热期（10月9🥳日-11月1日）和活动期（10月31日-11月29日）两阶段🔥，平台统一设置八折与八五折两档优惠。对比2024年的黑五大促😊，今年Temu的促销周期整体延长了4天，启动时间提前了11天🔥。 5、速卖通推出“超级品牌计划” 对标亚马逊 😂阿里速卖通启动“超级品牌出海计划”，用品牌在亚马逊一半的成本🎉，实现更高成交。此举被视为对亚马逊发起正面挑战，争夺中高端品🥳牌。速卖通的首批目标是瞄准2000个品牌。根据品牌所处阶段的🤔不同，速卖通将其划分为三类——潜力品牌、成熟跨境品牌和国际大😀牌，并针对性地推出定制化解决方案，覆盖品牌全生命周期。速卖通😉为此还成立了一支专门的团队，定位为品牌的“服务顾问”。 🤩 6、TikTok美国新方案：合资公司仅负责数据、内容安全 😁 当地时间9月25日，美国总统特朗普签署行政令，批准了一😉项TikTok交易协议，并明确协议的基础条款。根据行政令，T🤗ikTok的美国应用将成立一家新的合资公司。这家新的合资公司👍将由美国人持有多数股权。知情人士称，TikTok美国运营方案🥳将主要包含两个主体：字节跳动TikTok美国公司（BD Ti🥳kTok US）由字节跳动100%持有，也是新方案中的主体运⭐营公司，将负责TikTok美国业务的商业及相关运营活动（电商🤔、品牌广告等）、TikTok全球互联互通及产品和工程技术支持😎等。另一个主体为TikTok美国数据安全合资公司（TikTo😡k USDS Joint Venture），将负责TikTo🤔k美国数据安全、内容保障、软件保障及相关本土业务；该公司将引😢入外部投资人增资扩股，字节跳动将持股19.9%，仍为其最大单🌟一股东。 热门行业观察 1、机构：上半年全球消费🌟智能摄像头累计出货6665万台，同比增长2.7% 9月❤️23日，国际数据公司（IDC）最新报告显示，2025年第二季🙄度全球智能摄像头市场（包含消费级室内和室外摄像头，含运营商渠❤️道）出货3278.4万台，同比增长0.9%，其中亚太（不含中🤩国及日本）、美国、加拿大市场已经出现同比下滑。2025上半年🤯，全球消费智能摄像头累计出货6665万台，同比增长2.7%，😎其中拉美市场同比增长26%，为全球增长最快区域；中国智能摄像🙄头市场出货2359.2万台，同比增长3.1%，增速逐步放缓。😍 2、巴西零售策略调整：2025年黑五投资减少 圣诞季💯成为利润增长的核心 9月24日消息，巴西零售业在202🚀5年的策略发生了重大变化，多家零售商计划减少黑色星期五的广告😂投入，将营销资源重心转向圣诞购物季。巴西零售领袖协会（CND💯L）执行经理Daniel Sakamoto表示，此举旨在防止😢黑五促销对圣诞季高利润空间的侵蚀。尽管黑五依然是电子产品销售🥳的高峰期，但消费者对折扣的敏感性有所下降，部分商品甚至出现了😜价格先上涨后下降的现象。 服务生态动向 1、多哈👍哈马德国际机场携手北京大兴机场，共促卡中航空联通 多哈😘哈马德国际机场与北京大兴国际机场签署姊妹机场谅解备忘录（Mo🌟U），在卡塔尔航空与中国南方航空的合作伙伴关系，以及卡塔尔民😉航局（QCAA）与中国民航局（CAAC）签署的谅解备忘录基础😉之上，深化航空合作。卡塔尔机场管理与运营公司（MATAR）与🤩北京首都国际机场集团有限公司（大兴机场运营方）将共同推进合作🎉项目，共建全球枢纽典范。目前，哈马德国际机场已通航中国9座城🥳市，经多哈可连接全球120多个目的地。北京大兴则成为南航继广😊州后第二个通往多哈的直飞门户，补充卡塔尔航空与厦门航空的航线😂网络。 2、寻汇SUNRATE正式接入Google P🤯ay 9月26日，全球支付与财资管理服务商寻汇SUNR❤️ATE正式宣布，其商务卡产品已成功接入Google Pay，😴支持全球企业用户直接通过安卓设备完成付款，享受更高效、更安全💯、更便捷的支付体验。通过此次集成，寻汇SUNRATE商务卡持🙌卡人可将卡片添加至Google Pay，在线下门店、应用程序👏及线上平台轻松完成非接触式支付。依托Google Pay强大🔥的安全与隐私保护机制，企业在全球范围内不仅能安心交易，还能体❤️验更顺畅的结账流程。3、DHL宣布恢复美国包裹运输服务 全球🙄物流限制逐步缓解9月24日消息，DHL宣布将在未来几周内恢复👍其美国包裹运输服务。此前，由于特朗普政府实施的关税政策，全球😡物流受到了显著限制，发往美国的国际包裹数量骤降了81%。DH👍L董事会成员Nikola Hagleitner表示，目前已获😂得更加明确的美国海关新流程信息，美国方面的透明度有所提高，这🔥为运输的恢复创造了有利条件。 海外政策异动 1、❤️欧盟拟改革隐私法规，或终结网页「同意 cookies」弹窗 ⭐ 据 POLITICO 报道，欧盟委员会正计划对 200😆9 年修订的《电子隐私指令》进行重大调整，意在减少网页上泛滥😊的「同意 cookies」弹窗。该指令要求网站在向用户设备写😂入 cookies 前必须征得同意，除非这些 cookies👏 属于「提供服务所必需」。多年来，这一规定导致用户频繁面对弹🤔窗，习惯性点击同意，反而削弱了隐私保护的实际效果。欧盟方面正😘在考虑允许用户在浏览器等统一位置一次性设定 cookies 😘偏好，或为「技术必要」及「简单统计」类 cookies 免除😎同意要求。 2、越南要求超1000美元跨境支付需上报，🚀2026年生效据 《越南投资者》报道，越南央行要求银行😘从今年 11 月开始报告每笔 5 亿越南盾或以上的国内转账，🤗以加强反洗钱监管。新规定还涵盖跨境支付，要求向监管机构报告 🥳1,000 美元或以上的交易。金融机构必须在 12 月底之前👏调整其内部系统和流程，然后于 2026 年 1 月 1 日全🤗面合规生效。 【信息来源】AMZ123、DHL、东方财🔥富网、界面新闻、澎湃新闻、沙特人、钛媒体APP、新华社、亿邦🙄动力、亿恩网*根据字母排序 图片来源：AI / 网络返回搜狐👍，查看更多