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：凯风 来源：国民经略 撤县并省，全面落地。 👍 一夜之间，越南全国63个省市精简为34个省级单位，62😴8个县级行政机构被整体撤销，1万多个乡级单位合并为3321个👍。 这场被越南称为“重整江山”的史上最大行政改革，自去😁年10月启动，仅8个月时间就已尘埃落定。 受此影响，越😜南短期将裁撤近10万个“铁饭碗”，长期则有25万个行政、事业💯编制受波及，而越南只有1亿人口。 15年免费义务教育；🥳与美国率先达成关税协议，同时宣布加入金砖伙伴国…… 动🚀作一个接一个，给人以“时不我待”的紧迫感，越南为何这么急？ 🥳 01 撤县并省，力度有多大？ 行政区划改革🔥，涉及重重利益调整，放在任何一个地方都历来不易。 越南🤩靠着“8年战略准备，8个月快速实施”成功落地，速度之快、力度💯之大、动作之猛令外界瞠目。 经过这轮改革，越南县级行政🌟单位不复存在，地方行政体系从“省-县-乡”三级制变成“省-乡❤️”两级制。 越南面积约33万平方公里，与云南省相差无几😘；人口超过1亿人，与河南省基本相当。 然而，一个中国省⭐份的体量，此前却划出了63个省级行政区，又下设县、乡，叠床架😡屋，极尽臃肿。 越南没有地级市，但由于体量不大，改革前😴的“省”相当于我们的地级市，改革后的“省-乡”类似于我们的“👏市-乡”。 撤并近半省级单位，直接砍掉“县”一级，削减😡70%左右基层单位，动作不可谓不大。 任何机构改革，首🌟当其冲的自然是“铁饭碗”，而刀刃向内，又是最难的。 改🥳革前越南公务员约250 万，此次改革短期影响10万人、长期影😎响25万人，相当于砍掉4%-10%的编制。 削减铁饭碗😜，效果立竿见影。越南官方预计，2026年至2030年将节省资🚀金超过190万亿越南盾（约500亿人民币）。 对于越南😅来说，减轻财政负担只是一方面。 精简行政层级，让改革轻🚀装上阵，激发市场活力，才是更关键的。 02 越南👏的行政体系，与中国有何区别？ 同为社会主义国家，同属儒⭐家文化圈，且历史上作为中国的一员，越南地方行政体系与中国有诸😉多相似之处。 越南不设地级市，最近又取消了县，与我国行😉政区划有了分野，但在省级层面，仍有高度的相似性。 越南❤️改革之后形成34个省，而我国拥有34个省级行政区，究竟是致敬❤️还是巧合，不得而知。 有意思的是，越南同样设有直辖市，🚀34个省中，共有6个直辖市，既有首都河内，也有经济重镇胡志明😊市。 河内、胡志明市之于越南，类似北京、上海之于中国，😂堪称越南版的一线城市。 作为越南经济第一大市，胡志明市👏常住人口约1400万人，2024年GDP为697亿美元（约5🚀000亿人民币），占越南全国15%左右。 目前，越南正😢在策划连通河内与胡志明市的，官方曾多次向京沪高铁取经，并非偶👍然。 更有意思的是，在这场大刀阔斧的撤省改革中，越南采😎取了“留名不留驻”的平衡术：两省合并，以一省为省名，省会则设👏在另一省。 老街省和安沛省合并为老街省，省会设在安沛；🎉太平省和兴安省合并为兴安省，省会设在兴安；西宁省和隆安省合并😜为西宁省，省会设在隆安…… 一般而言，无论是省域合并还😉是城市合并，只要是强弱结合，强者通吃就是常态。 历史上🤗江苏、安徽合并为江南省，省府一直放在南京，后来即使两省分治，😢安徽布政使司仍长期在南京办公。 折中式命名，自然是为了😡改革顺利推进。 对此，越南官方媒体越通社直言不讳，不要😢过于纠结“省名不见了”、“县没了”、“我们乡被合并了”，应当🤯超越“地方情结”，将国家利益置于家乡情结之上。 03 😉 越南改革为何这么急？ 刚刚过去的上半年，越南GD😁P增速为7.52%，创15年新高，增速位居亚洲国家最前列。 🤯 今年以来，关税战反复折腾，地缘动乱惊扰不绝，全球经济面😢临巨大的不确定性，对于以外贸为最大支柱的新兴国家来说，殊为不😴易。 面向未来，越南颇具雄心壮志，提出2030年跻身中🙌等收入国家，2045年跻身高收入国家。 要知道，就是中😉国，也是在改革开放第20个年头，1998年才晋级中等收入国家🙄，如今仍未跨过高收入国家门槛。 越南一直以“下一个中国😀”自诩，但目标不无好高骛远之嫌，但也凸显了“时不我待”之心。😎 越南之所以着急，是因为全球化红利期、人口红利黄金期、🙌产业转移机遇期，都在快速消退。 全球化的红利期正在远去🤗，国际经贸冲突、地方保护主义乃至局部战争不绝于耳，外贸早已没👍了先前的和平环境。 雪上加霜的是，越南人口红利的黄金期😴只剩下10多年时间，再不抓紧就来不及了。 为此，今年6🤔月，越南全面取消计划生育、推行15年免费教育，试图在人口滑坡😴之前托住生育大局。 更大的挑战在于，以人工智能为核心的😅第四次科技革命已经到来，正在重塑全球产业结构、重构世界经济格🥳局，后发国家显然首当其冲。 过去几十年来，亚洲国家靠着😴雁阵式的产业梯度转移先后脱颖而出，而驱动全球产业转移的核心要😡素在于成本，尤其是低廉的劳动力成本，或者说“人口红利”。 🔥 然而，人工智能突飞猛进，一旦“机器换人”取得全面突破，发😍展中国家唯一能借重的成本优势将不复存在。返回搜狐，查看更多