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 | 财能圈 文 | 财能圈 10月10日晚，娃哈哈集团确认了宗馥莉辞去法人代表、董事及董事长职务的消息，距其2024年8月正式接任董事长职务仅过去14个月。这并不是这位“饮料公主”第一次辞职，这已是宗馥莉一年内第二次提出辞职。 据界面新闻报道显示，宗馥莉的辞职申请已于9月12日提交，并通过了集团股东会和董事会的相关程序。 与2024年7月那次“以退为进”的辞职不同，此次她退得彻底，办公室的灯真的灭了，没有反击宣言，更没有股东挽留。 告别娃哈哈：一场早已注定的离别 宗馥莉首次辞职发生在2024年7月，距离宗庆后2月25日逝世不足150天。当时，宗馥莉在《致娃哈哈集团全体员工的函》中直言，杭州市上城区政府及部分股东对其经营管理的质疑，致其无法继续履职。 这场辞职风波在当年8月迎来反转，宗馥莉非但没有离开，反而接替宗庆后出任娃哈哈法定代表人、董事长兼总经理，完成名义上的权力交接。 相较首次“被迫离场”的离任，此次辞职则更为彻底。从“暂时离任”到“彻底退出”，一年间的两次辞职，折射出娃哈哈复杂股权格局下宗馥莉已无力掌控大局。 宗馥莉的辞职实为多重矛盾长期积累的必然结果，其内部困局主要源于三方面。 最直接的导火索是遗产诉讼困局。2025年7月，宗庆后三名非婚生子女以存在家族信托承诺为由，在香港与杭州同步提起诉讼，要求分割价值21亿美元的信托资产及娃哈哈29.4%股权。 尽管娃哈哈官方声称此为家族内部事务，但香港高院于9月26日驳回宗馥莉上诉请求，维持资产冻结禁令。18亿美元资金流动性受限直接冲击企业战略布局。 更棘手的是，这场纠纷暴露了宗庆后生前未厘清的股权传承漏洞，其预留的股权安排既未公证也未完成法律确权，为继任者埋下致命隐患。 股权结构的先天缺陷使宗馥莉陷入“有名无实”的困境。国资持股比例远超宗馥莉个人，而职工持股会背后则是追随宗庆后数十年的老臣群体。这种“混合控股+国资参与”的股权架构，令宗馥莉的每项改革都遭遇双重掣肘。 2025年初，她拟将估值911亿元的387件核心商标转至自有控股公司，因国资方质疑“涉嫌国有资产流失”被迫终止。推进生产线自动化升级时，又因职工持股会担忧影响就业而受阻。控制权与决策权的根本错位，注定其改革举步维艰。 内部改革引发的利益版图重构加速了离职进程。接任后，宗馥莉的系列举措直指娃哈哈沉疴，关停数十家弱关联分公司及低效生产线，清退年销售额过低的中小经销商。 这些本意为优化结构的举措，却撼动了盘根错节的利益网络，被关停企业多与家族关联方有染，清退经销商瓦解了宗庆后时代的“人情利益体”，管理层换血更令元老寝食难安。 展开全文 另立门户：宗馥莉的“战略性退却” 娃哈哈的股权结构自校企改制以来便十分复杂。公司的股权由三方持有：杭州上城区持股46%，宗庆后生前持股29.4%，公司基层工会持股24.6%。 这种“三国鼎立”的格局，使得任何重大决策都需多方博弈。国资代表往往更关注政策合规与稳定，职工持股会则倾向于维护既得利益与就业保障，宗馥莉所代表的创新与变革诉求在缺乏绝对话语权的情况下，极易陷入僵局。 宗馥莉的彻底退出，与其说是失败，不如解读为在既定框架内无法破局后的主动切割。 事实上，宗馥莉辞职前已修好“后路”，早已开始布局自己的“体外版图”，其控股的宏胜集团，在2025年年初就注册了“娃小宗”等46枚全品类商标，宗馥莉的“后娃哈哈”布局早已悄然展开。该公司旗下已陆续整合了她在饮料、包装、营销等领域的多个关联项目。 值得注意的是，宏胜优品旗下的饮料品牌“KellyOne”在高端水及定制化饮品市场表现亮眼，与娃哈哈的传统产品线形成了差异化竞争。 宗馥莉的宏胜系公司9月披露的文件显示，其已启动品牌切换预案，2026年起将全面启用“娃小宗”品牌替代原有商标。这种“体外孵化新品牌”的操作，既是对商标使用权受限的被动应对，也暗含着脱离旧体系束缚的战略考量。 宗馥莉的“战略性退却”或许不是败局，而是另一种开始。她手中握有的宏胜饮料集团已成为宗馥莉的新阵地，这里没有国资股东的掣肘，没有商标使用权的争议，也没有老臣的牵制。宏胜集团这一“体外帝国”，年营收超100亿的体量足以支撑“娃小宗”的培育。 此次辞职后，宗馥莉将全身心投入新平台的运营，其目标显然是打造一个完全由自己掌控、符合其商业理念的“新王国”。 未来走向：娃哈哈与宗馥莉的双重变局 宗馥莉的困境是中国家族企业传承困境的缩影。第一代企业家多靠“强人治理”和模糊的人情关系维系企业运转，这种模式在草莽创业期成效显著，但却给第二代留下了“接力”难题。即股权架构缺乏法律保障、职业经理人体系未建立、新旧战略难以衔接。 对比方太茅氏父子的“三三制”传承，通过“带三年、帮三年、看三年”的渐进式放权实现平稳过渡，美的何享健引入职业经理人方洪波的“控股不控权”模式，娃哈哈的传承显然缺乏提前规划。 宗庆后生前坚持的“三不原则”（不上市、不融资、不贷款）虽造就了企业早期的稳健，但也使其错失了建立现代企业制度的最佳时机。 对于娃哈哈而言，宗馥莉的离去留下了三大亟待解决的悬念。 其一，接班人选择直接决定企业走向，是从内部老臣中提拔，延续传统经营模式，还是引入外部职业经理人，推动市场化改革，亦或是等待家族矛盾平息后宗馥莉回归，都将影响这家民族企业的命运。 其二，品牌战略面临抉择。继续依赖“娃哈哈”这一国民IP，需平衡各方股东利益以解决商标使用权问题，若重新选择其他品牌，则要突破消费者情感壁垒和农夫山泉等巨头的围剿。 其三，经销商与员工信心的重建迫在眉睫，2025年销量已降至去年同期的80%，如何修复渠道关系、化解老员工不满，是维持企业基本盘的关键。 宗馥莉的辞职，标志着娃哈哈正式步入“后宗时代”，这也将同时重塑娃哈哈的发展轨迹与行业格局。对宗馥莉而言，这或许是卸下重担的开始，离开娃哈哈的围城，或许才能找到真正的自己。返回搜狐，查看更多