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)

跟大家讲三个我身边人的故事。 01 我在北京当记😊者时，有一个关系颇好的同事。 我跑财经口，她跑医疗口。🔥 有一次，同事为了写一篇关于医患关系的稿子，走访了很多😜医院。 调查时颇为困难，或被医生直接轰出办公室，或被患😅者怒骂一顿。 同事费了好大工夫才把稿子写完交给领导。 😁 当晚，领导怒气冲冲拨了一个电话过来，从标题到内容都奚落🤯了一顿。 原本就玻璃心的她哭得稀里哗啦。 这不是😆她第一次被骂了。 错了就挨骂，对了没赞赏，她越想越觉得😉待在这个单位没意思，直接卷铺盖走人。 辗转了几年，她也🤩没混出什么名堂来。 新公司，旧问题。 她每次辞职🤔的理由都是抱怨老板没人性，单位没人味。 02 第🥳二个人，我自己不熟，是朋友的朋友，她原本是一位音乐老师。 😎 这位音乐老师有两段婚姻。 第一段婚姻里，她自己的工😍作稳定体面，收入尚可，有钱有闲。 但刚结婚后，老公就让🔥她辞职，来帮忙打理自己的小生意。 她心里不愿意，但也不👍想违逆老公的意思，乖乖地过来帮忙。 从那以后，她既是工❤️作助理，也是行政，一个人身兼多职，每天忙得晕头转向。 😢老公却不感谢她的付出，反而觉得这个家是自己在撑着，对她总是百😜般吆喝。 然后这段婚姻结束了。 第二段感情里，老😢公十分大男子主义，家中大事小事都由他决定。 为了迎合老😡公，所有家务都由她负责。 为了新家庭的稳定，什么事都依😀着他，受了委屈，吵了架也总是自己先低头。 展开全文 😅 生活越过越小心翼翼，生怕惹对方不开心。 老公并没有🤔珍惜她的付出，经常在外鬼混。 她有些不明白，为什么每一😢段婚姻里被辜负、轻视，换了新的伴侣似乎也还是如此？ 0😅3 第三个人，是我毕业后在厦门的合租舍友。 他来😀自农村。 初高中，他去县城读书，因为自卑，都不敢举手发🤔言，更不敢上台讲话。 有一次，老师叫他起来回答问题。 😊 他因为紧张，讲话磕磕绊绊，但越磕越紧张，越想把话说快。😅 老师就安慰他：说普通话，尽量不要说方言哈。 实😅际上，他是用普通话回答问题的。 上了大学之后，公众场合🤯讲话成了他的梦魇。 英语课时，因为原本口语就不标准，再🙄加上紧张过度，每次他讲完英语，全班哄堂大笑。 直至毕业🔥后，入了职场，他最怕的就是当众讲话。 年终述职时，他就❤️焦虑，不是因为绩效不好，而是得上台发言。 小组开会时，🔥他会惴惴不安，得反复斟酌自己的话术。 他自己坦言道：因😢为不敢开口，错过了很多的机会。 04 为什么会说🙌这三个故事呢？ 这几年，我越发明白了一个道理：一个人反😢复经历的痛苦，都是未完的功课。 改变职场心态，是我的北😎京同事要完成的功课。 如果不改变，无论到哪家公司，她都🥳会觉得受到了委屈，永远干不好一份工作。 改掉讨好型人格😊，是那位音乐老师要完成的功课。 如果改不掉，只会再一次🤯遇到渣男，再一次在感情里受伤。 克服演讲的恐惧症，是我🥳合租舍友要完成的功课。 如果克服不了，会一而再地丢脸出🤯丑，会一而再地陷入窘境。 生活就像一场升级通关游戏。 😴 如果你无法攻克当下关卡，那么你将永远困于当下。 🎉一些痛苦反复出现，不是命运的捉弄，而是在提醒我们：这一关卡，😀我们还未通关。 博主@陈凡是一位创业者，可前两次创业都🤩失败了。 第一次被合伙人卷走资金，挖走了团队。 🙄第二次因为一位大客户拖欠资金不还，他资金没法回笼。 他😁一度归咎于自己时运不济，后面深刻反思了一下，才知根源是自己有💯一个毛病：容易轻信别人。 合伙人跟他称兄道弟，他直接让🤯合伙人总揽财务大权，且从不过问。 合作方各种奉承，嘴甜😎、承诺多，他二话不说就应了下来。 为什么第二次还会踩坑🙌？ 因为他还没吸取教训，还没悟透“不要相信人，要相信人🙄性”这一个道理。 那些你不曾解决的问题，一定会在某个人⭐生节点，再给自己上一课。 说白了，生活就像上学时的考试😅：这次作弊蒙混过关，下次还会遇到同类题目；这次空着不答，下次😆卷子上还会出现。 一直掌握不了解题思路，一直没答好，生🤩活就会一直给你打上红叉。 05 我认同一句话：凡🤯事磨你，皆为渡你。 痛苦的出现，不是为了折磨你，是为了😁让你看见，看见自己的不足，看见自己的人格缺陷。 时尚编🤩辑孙婵刚入行时，也经常被领导骂哭。 文章标题想得不好，👏领导会让她花一整天的时间去想；内容中有错别字，领导会截图到工😢作群里当众把她一顿骂；经常加班到深夜，完成了当天指定的工作任🤯务才能下班。 这种情况下，很多同事都选择了离职。 😢 那时，孙婵也想离职，可她转念一想： 如果是因为没有做❤️好工作辞职，那么今后的工作也会遇到同样的问题。 比如去⭐新的单位，也会因为工作没做到位被骂，因为能力欠缺所以得熬夜来😀赶进度。 问题没摆平，能力没提升，换哪儿上班都一样。 😡 所以她决定埋头工作，事事精益求精。 后来，她业务⭐能力越来越强，领导向她抛来橄榄枝，问她愿不愿一起出去创业。 🤔 生活为什么会反复让我们遇到相似的困境，其实本质上是一种😂成长反馈机制。 越是逃避，痛苦越会追着你跑；越是害怕，🥳问题越会反复出现。 直到你用新的行为模式给出新回应，生🥳活才会给到你成长正反馈。 人生，是一场修行。 不😍同课题，有不同修行。 当一个人真正审视自己，自洽了、正😍视了、解决了，这个课题的修行方可算得上圆满。 ▽ 🚀 最后说一个我自己的故事。 高中时，数学老师就苦口婆心😆地让我们做错题集，她说： 每一个错题就是一个知识点，把😉每一个错题都琢磨透，高考分数在130分以上就基本没问题了。 🥳 那时我不以为然，放着错题集不管，一味做新的试卷，结果是⭐同样的知识点一错再错。 其实人生也是一场考试。 😊反复经历的痛苦，是我放在一边不管的错题集。 这些错题，🤯是失分题，也是得分题，我们人生最后的分数，就看你在曾经做错过🤯的题上，最后拿了多少分。返回搜狐，查看更多