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)

贝森特直指美联储存在“使命蔓延”与“机构臃肿”的问题，将其比作“逃出实验室的致命病毒”，要求展开无党派审查并剥离其银行监管权。 美国财政部长贝森特上周五呼吁对美联储进行全面改革，称这家央行正受“使命蔓延”（mission creep）与“机构臃肿”（institutional bloat）问题困扰。 在《华尔街日报》（The Wall Street Journal）发表的一篇措辞尖锐的评论文章中，贝森特将美联储比作“逃出实验室的致命病毒”，认为必须将其“重新关进牢笼”。 这篇文章发布之际，特朗普政府正试图通过“宣称总统有权解雇美联储理事”来掌控美联储理事会。此前，特朗普曾持续数月施压美联储主席鲍威尔要求降息，随后又以“涉嫌抵押贷款欺诈”为由解雇美联储理事库克。目前，库克已提起诉讼，阻止特朗普的解雇。 若库克被迫离职，且特朗普的经济顾问斯蒂芬·米兰（Stephen Miran）获得参议院批准，那么特朗普提名的人选将在美联储理事会7个席位中占据4席多数——这意味着他们可推动利率政策与银行监管领域的全面变革，也将让“美联储是否独立于白宫”的问题陷入争议。 分析师表示，贝森特的文章旨在为“掌控美联储”提供合理性依据。 一本关于美联储独立性的书的合著者马克·斯宾德尔（Mark Spindel）表示，“这一切都是为了掌控政府中最具权力的机构。” 美国国会在设立美联储时，特意设计了限制白宫影响力的机制：美联储理事任期为14年，且任期交错，需经参议院批准；仅在有“正当理由”（for cause）的情况下，才能解雇美联储官员。 贝森特在文章中称，美联储已失去美国民众的信任，“必须重新树立作为独立机构的公信力，专注于实现通胀稳定、失业率低、利率温和的核心目标”。 他呼吁对美联储展开“独立、无党派的全面审查”，并提议剥离美联储对美国银行业的监管权。 2008年金融危机后，国会曾短暂考虑过一项由民主党提出的“剥离美联储银行监管权”提案，但最终反而大幅扩大了美联储的监管权限。 2008年金融危机中，美国银行业“大而不倒”的问题暴露，国会因此赋予美联储更严格的监管权力，包括对大型银行实施压力测试、设定资本金要求等。 “在所有银行监管机构中，美联储权力最大、权限最广，”研究公司资本阿尔法伙伴（Capital Alpha Partners）董事总经理伊恩·卡茨（Ian Katz）表示。 根据贝森特的改革计划，美联储应仅专注于“宏观经济监测、最后贷款人流动性支持与货币政策制定”三大领域。 贝森特提议的改革需通过立法实现，但卡茨认为，国会“极不可能”据此采取行动。 在利率政策方面，贝森特表示，美联储在经济衰退时“通过资产负债表政策降息”的做法，“仅应在真正的紧急情况下使用”。 展开全文 他指出，资产负债表政策已直接影响“经济中哪些部门能获得资金”，“干预了本应属于市场与民选官员的领域”。 贝森特称：“权力扩张催生了华盛顿的一种风气——在财政决策失误后，政府依赖美联储来‘兜底’。” 以下为《华尔街日报》刊登的贝森特所著文章的精简版。 正如我们在新冠疫情期间所见，实验室培育的实验产物一旦逃出牢笼，便可能造成巨大破坏，且难以收回。2008年金融危机后，美联储推出的“非常规”货币政策工具，也以类似方式改变了其政策体系，带来了难以预测的后果。 美联储的新运作模式，本质上是一场“功能增益”（gain-of-function）货币政策实验。非常规政策的过度使用、使命蔓延与机构臃肿，正威胁着央行的独立性。美联储必须改变方向：其标准政策工具已变得过于复杂，难以管理，且理论基础存在不确定性。而目标明确、简单可衡量的工具，才是长期实现更好政策效果、维护央行独立性的最清晰路径。 人们或许会认为，2008年后推出的新工具与金融市场集中化，能让美联储更精准地判断经济走向；至少，这些新增职能应能让美联储更有效地引导经济。但事实并非如此：2009年，美联储预测2011年美国实际国内生产总值（GDP）增速将达到4%，但实际增速仅为1.6%。那段时期，美联储两年期GDP预测累计高估规模超过1万亿美元。反复的预测失误表明，美联储对自身能力与扩张性财政政策的刺激效果过于自信。当特朗普政府转向减税与放松监管政策时，美联储的预测又过于悲观——这暴露了其对有缺陷模型的依赖，以及对供给侧效应的忽视。 2008年金融危机期间及之后的多次干预，实际上为资产持有者提供了“隐性兜底”。这种有害循环导致国家财富向“已拥有资产的群体”集中：企业领域中，大公司通过锁定低息债务蓬勃发展，而依赖浮动利率贷款的小公司则在利率上升时陷入困境；房主因固定利率抵押贷款，房产价值大幅上涨且基本不受利率影响；与此同时，被排除在资产市场之外、受通胀冲击最严重的年轻家庭与低收入家庭，却错失了资产增值的机会。 美联储未能实现通胀目标，导致阶层与代际差距扩大。其试图通过“财富效应”刺激增长的做法，最终适得其反。金融分析师凯伦·佩特鲁（Karen Petrou）在2021年出版的《不平等的引擎》（Engine of Inequality）一书中写道：“极端的不平等清晰表明，财富效应对富人极为有效，却给其他人带来了更严重的经济困境。” 美联储影响力的扩大，对其独立性产生了深远影响。通过将职权延伸至传统上属于财政部门的领域，美联储模糊了货币政策与财政政策的界限。央行的资产负债表政策直接决定“哪些部门能获得资金”，干预了本应属于市场与民选官员的领域。而与财政部债务管理的纠缠，让人怀疑货币政策正被用于“满足财政需求”。 美联储的权力扩张催生了华盛顿的一种风气：在财政决策失误后，政府依赖美联储来“兜底”。当总统与国会的政策失灵时，他们期待的是美联储干预，而非承担责任。这种“别无选择”的局面，滋生了不负责任的扭曲激励。 监管越界进一步加剧了问题。《多德-弗兰克法案》（Dodd-Frank Act）大幅扩大了美联储的监管范围，使其成为美国金融业的主导监管者。15年后的今天，结果令人失望：2023年硅谷银行倒闭事件，暴露了“货币政策与银行监管职能合并”的风险。如今，美联储既监管银行、向银行放贷，又决定银行的盈利逻辑——这种不可避免的利益冲突模糊了责任边界，也危及了自身独立性。 更合理的框架应重建专业化分工：赋予联邦存款保险公司（FDIC）与货币监理署（OCC）主导银行监管的权力，而让美联储专注于宏观经济监测、最后贷款人流动性支持与货币政策制定。 美联储独立性的核心是公信力与政治合法性——这两者都因其“超越使命范围”而受损。过度干预导致了严重的分配失衡，削弱了公信力，也威胁了独立性。展望未来，美联储必须减少其对经济造成的扭曲：量化宽松（QE）等非常规政策仅应在真正的紧急情况下，与联邦政府其他部门协调使用。此外，还需对美联储整个机构展开“坦诚、独立、无党派的全面审查”，涵盖货币政策、监管、沟通、人员配置与研究等所有领域。 美国当前面临短期与中期经济挑战，同时还要应对“央行将自身独立性置于危险境地”的长期后果。美联储的独立性源于公众信任，因此必须重新致力于维护美国民众的信心。为保障自身未来与美国经济稳定，美联储必须重新树立“独立机构”的公信力，专注于法定使命：实现充分就业、稳定物价与温和的长期利率。返回搜狐，查看更多