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 } 蓝鲨消费 文 } 蓝鲨消费 你好，贾总。😍 从9月10日开始到现在，笔者始终关注着西贝和罗永浩的😊PK。作为西贝的顾客，笔者经常带家里的小朋友到西贝吃饭，西贝😡餐厅给人的印象是干净、卫生，餐食口味受到小朋友的喜欢。本次争😂论的焦点在于西贝是否使用预制菜，从西贝公布的餐食制作标准和后😘厨直播来看，西贝没有国家规定的使用预制菜的情形。但西贝确实会🤔使用保质期较长的食材制作餐食。 其实我们都知道，随着冷😁鲜、冷藏技术的进步（比如液氮技术），很多食品可以先在中央厨房🌟做成半成品用冷鲜技术保存，再送到门店加工，其口感还原度越来越🥳接近大厨现做的水平。一些高端的西餐店，其高等级牛肉如果是从澳😊大利亚等海外进口，也是冷藏后通过冷链物流送到中国，再在门店解😀冻做成食材招待顾客。从行业角度讲，西贝用冷冻、保质期较长的海🙌鲈鱼做烤鱼是没有问题的。 不过，西贝主打儿童餐第一品牌🌟，作为一个家长（以及其他众多家长），关心的除了安全、卫生外（😀这点大部分家长相信西贝是没有问题的），还会关心其食材是否新鲜😎，是否现场烹制，当天卖完。这一点上，西贝自己也承认“没有满足🤯广大顾客的需求和期待”。 你和西贝的1.8万小伙伴显然🙄看到了顾客对西贝的疑问和期待。9月15日，西贝发布了一封《西🤔贝致歉信》，宣布在10月1日前对包括儿童餐牛肉饼等8款产品逐❤️步实行门店现做；并跟供应商沟通，在保证食品安全和库存周转的情🤩况下，尽量缩短保质期。 在为西贝叫好的同时，笔者还是希🙌望给你和西贝提点建议： 1.请你高度重视食材的新鲜度。🔥作为一个南方人，认为餐食好不好吃，跟食材新不新鲜息息相关（相😴信也是很多国人的基本认知）。食材新鲜，烹饪技术不用多先进餐食😊口感都不会太差。还以海鲈鱼为例，其核心产区是珠海市斗门区白蕉🔥镇，该地区占全国海鲈总产量的一半以上。那个地方属于亚热带气候😘，不存在冬天不能捕捞作业的问题。 西贝完全可以跟当地某🔥个或N个供应商谈好每年大概采购量，再让其按合同，提前一天将活😅鱼通过高铁、高速等运输到西贝在全国各地（合作或自建）的央厨，👏央厨宰杀处理冷鲜保存后运到门店，应该能做到当天宰杀当天烤卖（👍可能会增加一些成本，但值得）。 事实上，中国冷链技术已🙌相当发达，笔者建议西贝在采买生鲜食材（比如西蓝花等）时，向京😉东、阿里、拼多多等平台的供应链团队学习，你亲自带领采购团队绕😜开中间商，去到原产地，一方面确保食材优质、新鲜，另一方面也能🤩降低食材成本，还有助乡村振兴，帮助农民增收，对西贝树立良好品🌟牌形象大有裨益。 2.请你高度重视质优价美。这次风波中😅，顾客反映最多的问题之一是西贝的餐食有点贵。业内人士透露，西❤️贝的客单价高，因为用的是真材实料的食材，连员工的工服都不将就😀。行业内的人都知道，你做过多次快餐项目，比如贾国龙中国堡，但😁都不算成功，原因是你总用货真价实的食材来做快餐，算不过账来。🚀 本次顾客之所以对西贝后厨出现长保质期食材感到不舒服是💯因为：西贝的客单价不低，但量不大，食材也没有想象中新鲜。此外👍，顾客觉得贵，跟大家的整体收入承压有关。 西贝作为中国😍儿童餐龙头企业，年营收超60亿元，也应该站在顾客的立场（西贝🥳的顾客以中产为主，这些年普遍面临失业、房贷等压力），让顾客既🥳能享受到西贝优质的餐食，花费又不会觉得高，让顾客带着小孩来西⭐贝消费常常觉得“物超所值”。这可能要求西贝想办法全面降低食材😴（源头直采，大宗采购）、房租（门店可能不用那么大）、人工（使😊用炒菜机器人等）等成本，从而实现“西贝自己过紧日子，让消费者🤯过好日子”。 展开全文 3.请你高度重视公关工作😍。笔者在跟很多餐饮企业打交道的过程中有一个普遍的印象，不怎么🤯重视公关工作，常把公关等同于应对消费者投诉，给企业“灭”负面💯。西贝本次舆情风波所以愈演愈烈，跟你作为西贝创始人、以及有知😢名度的企业家IP，早早出来回应（可能不够重视公关团队的专业意👍见）有一定的关系。 你1988年创立西贝，至今37年了🌟，西贝像你的闺女，容不得任何质疑。但经过这次舆情危机你应该感🤯受到，没有一家企业是十全十美的，总有做得不到位的地方，况且是😆餐饮这种有无数细节和控制点的企业类型。本次事件的对错输赢可能🙌没那么重要，消费者怎么看的，西贝的各种应对在消费者心目中会留🔥下什么样的心智更重要。 如果你和罗永浩继续用诉讼等手段😜互相硬刚，西贝即便官司打赢了，品牌也输了。希望西贝从专业品牌🥳公关的角度出发，把罗永浩当成顾客，真诚地回应他的疑问和关切，💯秉着“有则改之无则加勉”的态度跟其沟通，而不是把他当成所谓的🤗“对手”，甚至还可以邀请他做“西贝首席品鉴官”，让其帮助西贝😂不断进步，笔者相信事情会很快得到妥善解决。 4.请你“😊让西贝透明”落到实处。西贝是中国餐饮行业的著名品牌，跟海底捞💯等一起，引领了中国餐饮行业的进步。西贝本次遇到的风波，如何应❤️对并做出切实的改变，将对全国餐饮行业（尤其是连锁餐饮龙头）起🤔到重要的示范作用。 至于如何让“透明的西贝”落到实处？😎笔者认为，西贝可以定期组织媒体、KOL（不建议任何人、任何时🤔候去，有食品安全隐患）走进西贝门店和后厨，见证和监督西贝的变😎革；西贝可以定期组织消费者走进西贝的央厨（北京平谷），走进西😉贝的食材原产地，见证食材的采购和预处理过程；西贝可以跟餐饮行😍业协会和相关部门沟通，推出相关预制菜、半成品等公示标准，推出😴餐食的制作标准并公开…… 中国餐饮是一个年GMV超5万😁亿元的民生行业，涌现出了海底捞、小菜园等优秀的餐饮龙头企业。🤗这些企业的创始人和你一样，带领企业在对标肯德基、麦当劳等全球🤯餐饮巨头的过程中，在中餐的安全、卫生、标准化等方面做了大量的🙄探索，让中国餐饮的连锁化率一路提升到23%（2024年数据）😊，但这跟美国的46.6%（2023年数据）依然存在巨大的差距😴。希望你能继续带领西贝，在对标欧美餐饮企业实现安全、卫生、标👍准的前提下，能把中餐强调食材新鲜、质优价美等优势发挥出来，让🚀中国餐饮走出海外，引领全球。让中国美食美味全世界。 此😁致， 敬礼！ 2025年9月15日返回搜狐，查看🙌更多