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)

“吃瓜吃到自己买的基金身上。” 近期，港股创新药企业药💯捷安康股价出现大幅波动，引发市场广泛关注，而由于药捷安康被“🎉悄然”纳入了包括国证港股通创新药指数在内的多只指数，导致相关😁ETF被动买入，更是引发了众多投资者在社交平台上声讨。 😜 这一极端个案不仅让众多基民“踩雷”，更将指数编制规则的潜在😊漏洞与ETF规模扩张带来的“双刃剑”效应，再次推至聚光灯下。🙄 ETF“踩雷”药捷安康 公开资料显示，药捷安康🌟于2025年6月23日在港股上市，是一家以临床需求为导向、处🤩于注册临床阶段的生物制药公司，专注于发现及开发肿瘤、炎症及心🌟脏代谢疾病小分子创新疗法。 上市近三个月以来，药捷安康🎉的股价一直处于小幅上涨的态势，直到9月8日被纳入港股通，同时😆被纳入恒生综合指数、恒生综合中小型股指数、恒生医疗保健指数、🌟恒生创新药指数等9只恒生系列指数，短期内形成集中买盘，开启了🎉“狂飙”模式。 Wind数据显示，自9月8日药捷安康被😎调入港股通标的以来，南向资金持续加码，截至9月15日净买入3🚀06.25万股，公司股价在9月12日上涨77.09%，9月1😜5日更是大涨115.58%，令人咋舌。 但到了9月16💯日，药捷安康突然上演高台跳水，其股价虽然早盘一度大涨63%，🚀但下午便断崖下跌，截至收盘下跌53.73%，股价从679.5😜港元/股掉落至192港元/股，堪比“过山车”。 这一巨😁幅波动引起了众多投资者关注，于是，有投资者发现，自9月15日😢起，药捷安康“悄然”出现在了多只跟踪国证港股创新药指数的ET😊F的申赎清单中。 这主要是因为9月15日，国证港股通创😂新药指数实施了季度定期调整，药捷安康被纳入成份股。以同类产品👍中最大的港股通创新药ETF为例，9月15日，该ETF买入药捷😅安康300万股，按前一个交易日收盘价计算对应金额约5.78亿⭐港元，占基金净值比约2.62%。国证指数公司信息显示，全市场🌟共有5只ETF跟踪国证港股通创新药指数，合计规模约359.6🙄3亿元，以2.62%占比来计算，ETF被动买入金额约9.4亿🔥元。 但在刚刚纳入指数成份股，药捷安康便遭遇巨幅回调，⭐不少投资者感叹“躺着也中枪”。 9月17日，药捷安康股⭐价有所回升，截至收盘上涨8.96%，但距离最高点仍然有近70😉%的回调。 指数调整与编制方法存在漏洞 在“踩雷🙌”药捷安康的背后，此次国证港股通创新药指数的样本调整与编制方🤩法也备受争议。 首先，按照该指数的样本股调整规定，国证😂港股通创新药指数实施季度定期调整，于每年 3 月、6 月、9🤩 月和12 月的第二个星期五的下一个交易日实施，即9月15日⭐正式实施今年三季度的定期调整。 但对于此次调整，国证指😁数公司并未提前发布公告，使得很多普通投资者不知道药捷安康已经😢被纳入国证港股通创新药指数，且截至发稿前，国证指数中心官网上🌟的国证港股通创新药指数样本详情中，依然没有药捷安康的身影。 🤔 展开全文 “很多投资者买ETF是因为其持仓透明，😍但指数公司和基金公司均未及时向公众投资者告知指数调整细节，一😁定程度上损害了投资者的知情权。”有基金评价人士向券商中国记者😡表示。 其次，根据国证港股通创新药指数编制方案，该指数🌟的选样空间需要满足具备互联互通标的资格；公司近一年无重大违规👏、财务报告无重大问题；公司最近一年经营无异常、无重大亏损；考😴察期内股价无异常波动等要求。选样方法分为两步，首先，剔除选样😍空间内最近一年日均成交金额低于1000万港元的股票；然后，对😂选样空间剩余股票按照最近一年日均总市值从高到低排序，选取前 😡50 只股票作为指数样本股，样本数量不足时按实际数量纳入。 😢 “这个指数的编制方法有一些漏洞，首先，药捷安康上市不足😎3个月，其实并不完全满足上述要求中关于‘近一年日均成交金额’😴的要求；其次，这个指数的选样方法也相对简单，没有考虑流通股占🤔比等细节，而药捷安康恰恰是因为流通盘小、流动性不足引发股价大🌟幅波动。”有基金评价人士向券商中国记者表示。 Wind😂数据显示，药捷安康总股本3.97亿股，IPO发售1528万股😴，其中979万股被基石投资者锁定，实际可交易股份仅549万股🌟，占比1.38%。 被动资金频频显威 这并不是E😘TF影响个股波动的首例，随着ETF的规模突破5万亿大关，持股🙄市值也超越主动基金，被动资金已经成为影响市场走向的一股强大力😍量。 特别是9月以来，众多指数集体迎来季度定期调整，E😘TF机制驱动下的被动买入卖出力量更是时常影响市场波动。 🤯 比如，9月15日，科创50、科创芯片、科创AI、科创成长等💯多只科创板指数也迎来季度调整。按照指数编制规则，单个成份股权🥳重不得超过10%，而寒武纪在上述指数中的权重普遍超过指数规定💯的10%上限，带来大量被动资金随之调仓。 Wind数据💯显示，跟踪科创50的ETF规模约1740亿元，若要将寒武纪的🤗权重从15.42%降至10%，将导致这些科创50ETF被动减😁持寒武纪的股票约94亿元。如果再叠加科创芯片、科创AI、科创🔥成长等指数的调整，寒武纪的权重下调或将引起相关指数基金被动卖😡出寒武纪近200亿元的规模，占到寒武纪日成交额的六七成。 👍 “为了避免过度集中抛售，我们会在指数调整公告发布后就慢慢😀调仓，但仍然难免会对股价造成影响。”上述基金经理表示。Win🤩d数据显示，从8月29日指数调整公告发布，至9月15日正式调😡整，寒武纪股价回调了9.31%。 瑞银中国非银金融研究😎团队表示，ETF规模扩张往往会增强市场的流动性，但随着ETF🤔规模进一步增长，纳入和剔除成份股所带来的短期股价波动受被动资👍金进出的影响或将加剧。 华安证券金融工程团队也认为，E🤗TF持有量更多的股票比其他类似的证券更具波动性，且ETF交易❤️产生的波动性至少在短期内是一种不可分散的风险来源，因为指数化😘可能导致资产收益和流动性的更大协同变动。 责编：杨喻程⭐ 排版：刘珺宇 校 对：赵燕 违法和不良信🙌息举报电话：0755-83514034 邮箱：bwb@😎stcn.com返回搜狐，查看更多