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)

每次我一回老家，都会有个发小主动找上门。 他一坐就是半❤️天，每每都要跟我追忆下往事。 看似是叙旧，可到最后他总🤩会把话题拐到自己身上。 这回让我帮忙介绍个工作，下回又🥳问我借钱装修。 有时候，我念及过去的情谊，好心帮他几次😆忙。 时间久了，他竟理直气壮地要我帮他做事，但凡我拒绝🤔，他就骂我不顾旧情。 我顿感寒心，只当认识了一个白眼狼😘，自此不再搭理他。 有一种人，他们眼里只有自己，总是打💯着关系好的名义，故意占你便宜。 这类人，就是精致的利己😡主义者。 无论你付出多少，都换不来对方的感激，等来的只⭐有得寸进尺地索取。 01 作家苏心有个朋友H，前😴阵子刚跟前老板打完官司。 原来他给前老板打了几个月的工🤗，竟一分钱都没拿到。 当时，他在机缘巧合下认识了他的前🤯老板。 两人一见如故，对方当即便邀请H到自己的公司当C😜FO。 刚开始，H没有答应，毕竟自己工作稳定，薪水也不😜少，没必要跳槽。 可耐不住那位老板三番两次上门，H还是💯被对方的诚意打动。 但入职后，只要H一提签劳动合同的事😡，对方就会说：“咱们就是亲兄弟，哥哥还能亏待亲兄弟吗？” 😂 直到年底，H才发现自己被骗，为了讨回自己应有的薪资，他干🌟脆跟对方打起了官司。 兜兜转转好几个月，这件事才得以了👍结。 你有没有发现，身边总有一些揣着明白装糊涂的人，利😴用你的善良与心软，处处白嫖你。 你越迁就，他就会变本加🎉厉地索要；你越忍耐，他就越肆无忌惮地欺压。 他们就像是😅吸血的蚂蟥，不榨干你最后一滴血，绝不罢休。 作家嵇振颉🎉有个朋友开了家传媒公司，特意邀请他负责项目的文字工作。 😴 嵇振颉觉得两人关系不错，便欣然同意。 展开全文 👍 可当他提出签合同，对方却搪塞说，朋友之间签合同太伤感情了，😊项目结束后，绝对不会亏待你。 嵇振颉听了这番话，也没再😍多说。 后续的一年时间里，他足足写了50万字的文案，采🚀访了近百位的文化名人。 等项目结束后，他找朋友讨要稿费😅。 谁知，对方竟突然翻脸：“你怎么这么功利，为这点钱伤🥳了朋友间的和气？” 最后，随意打发了他几千块钱当作薪酬❤️。 他后来才知道，朋友这个项目的净收益至少60万。 🙌 作家胡辛束曾说过： 爱索取的人，只会将你当作工具利💯用，直到消耗掉你的全部价值。 那些打着和你感情好，一谈⭐钱就翻脸的人，你一定要离得越远越好。 他们把占便宜视作😘精明，然而人人心里都有一杆秤，谁都不傻，只是不说而已。 😢 面对那些低层次的人，不妨凉薄一些，早早远离才是最好的应对之😍道。 02 有没有发现这样一个现象： 层次😂低的人，普遍都是索取思维，脑子里装的都是如何占人便宜； 🔥 而层次高的人，是等价交换思维，他们从不会把钱和情划等号。 😅 感情是感情，利益是利益，别在该谈利益的时候谈感情。 🤩 所谓的谈钱伤感情，不是因为钱太俗，而是因为感情太虚。 😴 把钱和情分清，才不会把麻烦留到以后。 价值互换看似😉功利，但在现实世界里，这才是人与人之间最靠谱的关系。 🔥媒体人杨小米的朋友小白，在上海一家广告公司做策划。 有❤️许多朋友得知后，就特意找上门，想让小白免费给他们做策划。 🔥 他们搬出多年好友的名义，还口口声声说不会耽误很长时间。 😘 好在小白早已看清了他们，果断甩过去一张收费表，上面写了🤩各项策划的费用。 很多人一看找小白做策划还要收费，都不😀再吭声。 也有一些人因为她的专业能力强，愿意为她付费。🤯 面对那些无理要求，小白有两个原则： 一、如果真🤩的不想做，直接以没有时间拒绝； 二、明码标价，把私人请😁求转化成商务往来。 就这样，小白把心思都放在工作上。 🎉 没过几年，她就凭着好口碑被领导升为了策划总监。 😂有句话说： “作为获取一方，主动谈钱是你的修养，是否接🎉受是他的权利；而作为付出一方，主动谈钱是你的选择，是否接受是😍他的修养。” 两个人之间最好的关系，不是不计利益得失。🤗 而是在谈钱时不辜负他人的好意，也不丢了自己的真心。 😢 03 我认识一个朋友，是出了名的冷漠无情。 😴 每次找他帮忙，他都会严词拒绝。 有次，一个关系亲密的🤔朋友请他帮忙担保。 对方哭诉说，自己已经几个月没发工资😘了，日子实在是过不下去了，这次求他帮忙做个担保。 朋友🎉直接一口回绝，气得对方大骂他是个冷血动物。 我调侃他，😅你这么做，就不怕大家说你不近人情吗？ 他却说：“不近人😢情，也总好过吃亏。” 是啊，世间万物，大多都能一物换一😉物，唯有真心未必能换来真情。 人心是贪婪的，一旦付出过😘了头，大恩也会变成仇。 你只有强势起来，挑明自己的底线👏，才能建立起自己的规矩。 创业专家徐哲曾说过，他创业这😁一路，几乎把身边的人得罪光了。 他跟大学室友，一毕业就😀合伙创业。 公司走上正轨后，室友希望五五分成。 😉但徐哲认为自己投资了公司，付出了更多心血，而室友只是技术入股🤩，根本分不了那么多。 他果断找到第三方介入，根据裁定，😜他获得了七成股份，还掌控了公司的运营方向。 两人也因此😴分道扬镳。 后来，亲戚知道他在外面开了公司，想让他帮忙💯介绍份工作。 他却直接拒绝对方，最后被骂冷血，多年都不😎曾回老家。 可他从不后悔，因为他早已明白：人情，是束缚😘人赚钱的牢笼。 《沉默的大多数》里说过： “人活💯在世界上有两大义务，一是好好做人，二是不能惯别人的臭毛病。”😁 不是所有人都值得你付出，也不是所有事都值得你放在心上🚀。 一个人最大的清醒，就是不允许任何人白嫖自己。 👍 该拒绝时就拒绝，该绝情时就绝情。 任何时候，都要守住😊自己的能量，远离一切消耗你的人和事，这才是一个人强大的开始。😊 ▽ 国画大师齐白石有这样一段经历。 有次🚀，他为朋友画了一幅《枇杷熟了》。 对方拿到画后，只连连😍称赞，却绝口不提笔金一事。 后来，这位朋友又来求画，齐😎白石不想对方白嫖，就在画作上添了首打油诗以此提醒： 去😍年相见却求画，今日相求又画鱼。致意故人李居士，题诗便是绝交书🤩。 自此，对方也不好意思再向齐白石索画。 想起网😴上曾有个问题：人为什么会变得冷漠？ 答案无非就是，真情💯总被利用，心软总被当成柿子捏。 面对他人的予取予求，试😆着无情一点，不要委屈自己，也不要助长别人嚣张气焰。 这👍绝不是冷漠，而是对自己的保护，更是对真心的善待。返回搜狐，查🤯看更多