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)

第一财经 不同硬件、不同大脑，不同机器人厂商进入不同场🌟景，在多方变量的加持下，机器人的规模化落地似乎遥遥无期。 😎 9月17日，第一财经记者在采访第三方部署方、机器人本体厂🤗商和场景落地方时发现，一个行业新角色正在出现。一个类似于安卓🤗操作系统的中间算法层正在承担屏蔽硬件差异、兼容不同大脑架构的🔥功能，为机器人在真实场景中的规模化落地提供可能。 如今😁，这一产业角色已经吸引了谷歌、智元、富临精工（300432.❤️SZ）、格力博（301260.SZ）、东土科技（300353😴.SZ）、巨星新材料等企业押注。但在硬件厂商坚持自家体系、大🤗模型企业追逐通用智能的格局下，行业的“安卓时刻”何时到来，仍😂有待市场与现实工况的双重检验。 机器人涌入场景，跨本体🎉训练遇阻 当机器人厂商涌向场景方，新的问题正在出现。 🥳 “这个月至少有两家机器人公司正在和我们谈合作。”Kel🤩vin是长三角一家物流上市公司的技术负责人，他告诉记者，为了😢和人形机器人厂商进行合作，自己不得不拨出一个八人左右的团队和😢不同机器人企业进行对接。“我们需要开放不同的数据接口，提供一😁个专门的实验场景，还需要根据各家机器人的要求不断调整流程和测😊试参数”。 在大量的人力和物力投入之外，Kelvin坦❤️言自己算不过来ROI（Return on Investmen💯t，投资回报率）。“机器的工作效率不稳定，且运维需要大量后续😁的费用。”他向第一财经记者透露，物流企业马上就会备战“双11🤩”时间，在此期间是否继续让机器人上岗，他还在犹豫。 更😂大的问题是，由于不同厂商的机器人算法不兼容、硬件各自封闭，导🌟致一个场景的成功经验难以迁移到另一个场景。“有的时候我们的流😁水线哪怕是多一个弯折，机器人都需要重新走一轮POC（Proo⭐f of Concept，概念验证）。” “厂商觉得我🙌们不够开放，我们觉得机器人厂商要得太多。”Kelvin说，这🎉是产业上下游之间对接存在的普遍问题。第一财经记者了解到，一些👍“中间人”的角色正在产业链中诞生。前上汽自动驾驶域控制器算法😘负责人，安努智能工程算法总监杨曾告诉记者，团队正在研发的一套⭐中间件算法平台，希望像手机里的操作系统一样，把不同厂商的机器🔥人纳入统一的兼容框架。 就像手机的操作系统让不同软件在💯同一套规则下运转一样，中间件希望能够通过屏蔽底层硬件差异，使😉一套算法能够迁移到不同厂商的机器人上。“如果每遇到一个新的硬🙄件，就要重新训练，机器人在实际场景部署的速度就会非常慢。”重🌟庆大学助理教授，人工智能及多模态实验室具身智能负责人，安努智🤗能首席科学家胡喆告诉第一财经记者，想要提高机器人的通用化，跨😅本体是必须跨过的门槛。 在不改动模型本身的前提下，兼容🤩不同机器人的大脑，成为中间件的挑战。“虽然主流的模型是VLA🤔模型（Vision-Language-Action Mode😢l，视觉-语言-动作模型），但其中的架构仍然不同，有端到端，🥳也有分层式。”胡喆说，中间件在机器人大脑和机器人作业的实际场💯景中充当一个“翻译官”的角色。在他的设想里，输出的指令会先被😆中间件被转化为统一的目标和约束，再交由各家机器人自身的规划控😊制器执行。 “这样我们就不必为每一个新厂商重新训练模型🤔，只需要向每一个机器人的规划控制器下达指令，就能让中间件跑通🤗整个流程。”胡喆说。 展开全文 物理规律难仿真，🎉机器人“干中学” “我们曾经试过，在实验室里跑通了所有😴算法，结果到实际场景中发现完全不是一回事儿。”钛维云创的创始🤯人张磊告诉记者，当自己试图让机器人处理布料这样的柔性物体时，🚀由于布料材质、厚薄、摩擦力不同，实验室的环境并不能完全满足操😆作需要。 张磊透露，像布料、不规则包裹等物体，POC周😜期“很长，且难以给出确切的时间”，“因为我们需要提前磨合算法🙄、下线采集数据、再拿到实验室反复训练，才能勉强适配场景”。 🎉 工厂中的物料、工艺成千上万，换一条生产线、换一个工位，😅都可能带来完全不同的情况。 “离线的强化学习不可能把所🙄有真实场景一网打尽。”胡喆告诉第一财经记者，机器人不仅需要根😎据场景反复调试算法，还往往要重新采集数据回到实验室做离线训练😂，这让整个周期被拉长，时间和人力都被大量消耗。 边做边🚀改，或许才是机器人进行学习的关键。 胡喆透露，他正在尝😴试利用实时的在线学习算法，允许机器人在实际作业过程中一边操作😜一边采集数据，并实时更新模型。这种方式只需在现场额外增加几秒👏钟运行和100个数据量，“我们会根据模型出来的结果选择数据，😉让机器人在不断学习的过程中遗忘无用的数据，保持数据的精简，也😀不会对算力提出过多的要求”。 机器人“干中学”的另一边🙄，团队也在尝试利用仿真等手段降低机器人的学习成本。“现在大部🎉分机器人仿真环境离现实工况还有很大差距，因为仿真环境中缺乏物🔥理定律的支撑。”美国肯塔基大学空气动力实验室仿真负责人、安努❤️智能联席科学家付博直言，大部分仿真平台依赖数据驱动，却缺乏物😴理定律的支撑。 “如果只是换个环境光影、物体形状等表层🔥变量，那在这种仿真里能跑通的算法，一旦放到现实中，往往会失效😀。”付博说。 让虚拟环境逼近真实世界，并不是一件容易的🔥事。“摩擦力、空气流动等连续变化的环境很难被拆成可以极端的小👏单元。”付博解释，以机器人搬箱子举例，这个场景涉及了力学、刚😡体运动学与工程力学等基本的物理规律。付博说，加入这些规律的仿🤔真能够模拟不同重量箱子堆叠时的微小形变，计算箱内散落零件导致😡的重心偏移，并让机器人理解物体变化对抓取稳定性的影响，以及机🤩器人发力点与物体形变的关联。 他坦言，将这些物理定律的😢融入仿真环境是一个“正在进行的过程”，需逐步攻克计算量庞大的🙄技术难题。付博认为，只有当机器人在仿真环境中充分理解并内化这🤩些物理规律，才能在真实场景中更好地应对突发情况，实现泛化能力🎉的提升。“模型永远无法完全替代实验，但我们希望通过极致的物理😀仿真，让真实实验只需做一次就能验证可行性。” 谷歌提前⭐布局，中间件或成规模化关键 从机器人本体和大脑厂商到最😉终的应用企业，中间还需要大量复杂的部署工作——包括接口打通、😂场景适配、算法迁移等环节。对整个产业链而言，这是一块颇具吸引🤩力的“肥肉”，盯上的远不止安努智能一家企业。 今年6月🤗，银河通用和博世中国成立合资公司博银合创。根据双方披露内容，😀合资公司将聚焦复杂装配、智能质检等高精度制造场景，并且构建标😂准化、模块化、可复制的训练与部署体系，支撑机器人产品的快速迭🤔代与规模化部署。 今年年初，富临精工宣布公司与智元机器⭐人等相关方签署了《人形机器人应用项目投资合作协议》，各方共同😂投资设立合资公司实施人形机器人项目。当前，富临精工、智元、巨😢星新材料均为安努智能股东。就在9月，专注于北美市场的产业股东🤩格力博、聚焦机器人操作系统的东土科技也宣布增资安努智能。 👏 在海外，Google（谷歌）的母公司Alphabet孵化😎的Intrinsic也在扮演类似的角色。Intrinsic试🤩图通过通用算法和工具链降低机器人系统的集成成本，让不同厂商的😆机器人在同一套兼容框架下运行。 通过一个类似操作系统的😂中间件来对接不同机器人厂商和场景，这是安努智能董事长文宏杰提😍出的解题思路。虽然路径各异，但上述三家兼具机器人和产业方背景🙄的第三方部署商，它们的共同点都是试图在碎片化的产业格局中，寻👏找一套能跨越厂商和场景的兼容方式。 不过，机器人产业是👏否会像手机产业那样，最终走向由统一“操作系统”支撑的格局，仍😢充满疑问。一位由数码3C行业转至机器人产业的工程师告诉第一财😆经记者。与手机产业面临的问题不同，机器人领域的情况更为复杂，😅硬件厂商坚持各自的体系，而大模型企业则瞄准通用智能，“屁股决😊定脑袋，大家想的未必是同一个目标”。 多方角力之下，第😊三方部署商设想的中间件是否能够建立起产业上下游的桥梁，还需要😴进一步观察。“模型如果停留在实验室、本体如果只会跳几支舞，那😜最终只是一个故事。”文宏杰认为，在当下的机器人产业，关键不是😆讲模型和本体的“故事”，而是扎进具体场景，通过部署获取真机数🥳据和工程化经验，将商业化的流程拉通、沉淀。 在他看来，🔥这些工程化的经验和数据才能汇聚成类似“操作系统”的底座，真正🔥支撑机器人跨厂商、跨场景的落地。“如果中间件能够像安卓这样的🚀操作系统一样稳定通用、开放兼容，任何厂商都能接入，机器人产业😜的规模化会越来越近。” (本文来自第一财经)返回搜狐，😊查看更多