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)

时隔9个月，美联储重启降息。 北京时间9月18日凌晨，👍美联储最新的议息决议将联邦基金利率的目标区间下调25个基点至🔥4%-4.25%，符合市场预期。 一年前，2024年9❤️月，美联储启动了四年多来的首次降息，分别在2024年9月、1😂1月、12月降息50个基点、25个基点、25个基点。进入20😁25年，美联储连续5次会议维持利率不变，直至本次会议重启降息🌟。 美联储在声明中表示，近期指标表明，就业增长放缓，失😴业率小幅上升，但仍保持在低位。通胀上升，且保持了一定程度的高🤔企。为支持其目标，同时考虑到风险转换到平衡，委员会决定将联邦🙌基金利率的目标区间下调25个基点至4%-4.25%。 😆与7月议息声明相比，本次声明对就业市场的判断由“失业率依然较😍低，劳动力市场状况保持良好”转变为“就业增长放缓，失业率小幅😁上升，但仍保持在低位”，同时新增“通胀上升”的表述。在下调利🤔率区间时，强调考虑到了“风险转换的平衡”。在描述调整目标区间😍的条件时，删去了“幅度和时机”的表述。 声明表示，在评😆估合适的货币政策立场时，委员会将继续监控未来的经济数据的影响😂。如果风险的发生会阻碍达成委员会的双重目标，委员会会为调整适🔥当的货币政策立场做好准备。委员会的评估将考虑到大量信息，包括🌟劳动力市场指标、通胀压力和通胀预期指标、金融和国际形势发展的😁数据等。 本次会议共有1票反对，为新任美联储理事米兰（😊Stephen I. Miran），他倾向于在本次会议上降息😡50个基点。在上个月投出反对票的鲍曼（Michelle W.❤️ Bowman）和沃勒（Christopher J. Wal😍ler）投票赞成了本次会议，7月他们便倾向于降息25个基点。⭐米兰被认为是特朗普政府经济议程的关键设计者，鲍曼和沃勒则是由🌟现任美国总统特朗普提名的理事。美联储7名理事中，上述3人由特🙌朗普提名，剩余4人由民主党政府提名。 以下是9月声明全🔥文与7月声明的比较： （删去7月原文：尽管净出口的波动😊继续影响着数据，）最近的指标表明，今年上半年经济活动的增长有⭐所放缓。就业增长放缓，失业率小幅上升，但仍保持在低位（7月原🙌文：失业率依然较低，劳动力市场状况保持良好）。通胀上升（本月🌟新增），且保持了一定程度的高企。 委员会力图在长期内达⭐成最大就业和2%的通胀目标。关于经济前景的不确定性仍处于高位😂。委员会注意到其双重任务面临的双面风险，并判断就业下行的风险😊已经上升（本月新增）。 为支持其目标，同时考虑到风险转🤗换的平衡（本月新增），委员会决定将联邦基金利率的目标区间下调🤯0.25个百分点至4%-4.25%（7月原文：维持在4.25🎉%-4.5%）。在考虑对联邦基金利率目标区间（删去7月原文：😀的幅度和时机）进一步调整时，委员会将仔细评估未来的数据、不断🤔变化的前景和风险平衡。委员会将继续减持美国国债、机构债券和机😊构抵押贷款支持证券。委员会坚定地致力于支持最大限度的就业，以😂及将通胀恢复至2%这一目标。 在评估合适的货币政策立场🤩时，委员会将继续监控未来的经济数据的影响。如果风险的发生会阻🙄碍达成委员会的双重目标，委员会会为调整适当的货币政策立场做好😀准备。委员会的评估将考虑到大量信息，包括劳动力市场指标、通胀🚀压力和通胀预期指标、金融和国际形势发展的数据等。 投票🔥赞成者包括：FOMC委员会主席（美联储主席）鲍威尔（Jero🤔me H. Powell, Chairman）；委员会副主席🌟（纽约联储主席）威廉姆斯（John C. Williams，👍Vice Chairman）；（美联储理事）Michael 🥳S. Barr；[本月新增：（美联储理事）Michelle 😊W. Bowman」]；（波士顿联储主席）Susan M. 🤩Collins；（美联储理事）Lisa D. Cook；（芝⭐加哥联储主席）Austan D. Goolsbee；(美联储🤯理事）Philip N. Jefferson；（圣路易斯联储🙄主席）Alberto G. Musalem； （堪萨斯城联储😆主席）Jeffrey R. Schmid；[本月新增：（美联😍储理事）Christopher J. Waller]；投票反🤔对这一行动的有米兰（Stephen I. Miran）[7月😆原文：鲍曼（Michelle W. Bowman）和沃勒（C🥳hristopher J. Waller）]，他倾向于在本次😡会议上降息0.5个百分点（7月原文：0.25个百分点）。[删😂去7月原文：库格勒（Adriana D. Kugler）缺席😜，并未参与投票]。返回搜狐，查看更多