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 | 穆胜 文 | 穆胜 “人效”的全称是“人💯力资源效能”，对应的英文是“HR Efficiency”，而😂“Efficiency”，是投产比、效率的意思。这就产生了一👍个非常明显但鲜有人提及的问题——为什么不直译为“人力资源效率😆”，而要翻译为“人力资源效能”？ 我算是国内几个最早研🌟究“人力资源效能”的人，这里，我给出一个解释。 01 🤗主打防守的模式 人效是个投产比，分母是“人力资源投入”🌟，分子是“财务或业务产出”。从数学逻辑上看，要提升人效，显然😜有两种模式： 第一种模式主打防守，主张减少分母，即“降😘低人力资源投入”。 具体做法是，精简机构、压缩编制、裁🤗撤人员。考虑一般的企业里多多少少都有组织冗余，这样的做法显然😉是立竿见影。但问题是，一方面，这种做法不可持续，组织规模不可😅能无限缩小；另一方面，如果没有理解组织的运作机制，盲目压缩组😂织，很有可能导致业务流程和组织氛围被破坏，进而影响产出（分子😜），最终得不偿失。 事实上，大多企业就是在这条错误的道🔥路上“砥砺前行”。2015年左右，我为国内一家年营收千亿的企😍业担任人力资源顾问，当时我就为他们引入了最先进的人效管理理念😴。也就是说，很多现在才流行起来的概念，我在十年前就给他们讲过🌟了。当时现场的反馈很有意思，相当一部分HR认为：“穆老师，您💯这理念很好，但现实中，HR能够控制的只有分母，要提升人效，我❤️们只能动刀砍人、砍组织。” 道理我都讲透了，但他们看到🔥的只是分母，所以，人效管理的理念并没有在这家企业落地生根。不😜能不说，这是一种遗憾，规模如此庞大的企业，但凡找一两个试点，🤯尝试探索人效管理，形成成本端的竞争力和经营者的效能意识，他们🙌现在的江湖地位，就不会如此憋屈了。 02 主打进攻的模😜式 第二种模式是主打进攻，主张增加分子，即“增加财务或🤯业务产出”。 有一部分企业，的确能够只管业绩增长，不管🌟人力投入。甚至他们在人力资源投入上豪掷千金，还会被认为是“有😂格局”“有眼界”“战略性储备”。 说白了，如果业绩保持🤩高速增长，人力资源这点投入，还不是九牛一毛？老板们进而就可以😴上价值——“人才是最宝贵的资源，好的人才决定了企业的未来，找😢人才，不应该看价格。” 眼看着这些企业在人力资源投入上😎的“大手笔”，其他企业的HR就开始泛酸——“看看人家的老板，😢看看人家的企业，看看人家的HR！我们就没打过这么富裕的仗！”😆 其实，这种“全力进攻（分子），不管防守（分母）”逻辑⭐，还是因为企业有业绩增长的势能。老板们大可以把这种势能归结于😉自己在人才上的全力投入，甚至可以举出个别人才改变竞争格局的个🤩例，但说到底，这种势能还是来自于宏观经济和行业的红利，显然是🤯倒果为因嘛。但舆论就是慕强的，当你业绩好了，你说什么别人都会👍认为全是对的。 展开全文 我从来不相信那种豪掷投😍入，然后赌不确定性产出的投资模式，这种模式赌性太大，不靠谱。😡这就好比有的头部投资机构，宣传自己的理念是“投赛道”，也就是😘哪个赛道上出现机会的时候，就投这个赛道上几乎所有的头部项目。😉他们形容为，一把飞镖扔出去，总有一个落在靶盘上。但现实却在打🎉脸，经济红利期过去了，进入寒冬了，他们的这种投资模式就不灵了😍。所以，不要把“蒙对了”说得这么清丽脱俗嘛。 03 防😘守反击的模式 不考虑经济周期，人力资源的投资，也不能是⭐只管防守（分母）的“龟缩”；如果考虑现在是经济寒冬期，人力资🌟源的投资，就不能是只管进攻（分子）的“豪赌”。 进一步😎看，即使现在经济再回归上行期，依赖“豪赌”模式的HR们价值就👍会被认可，就有前途吗？显然也不是呀。他们所谓的专业成功，在老👏板和业务部门眼中，不过是蝇附马尾，企业要不要干掉HR，全凭老🌟板心情。 两种模式本质的问题，都是割裂了进攻（分子）与😡防守（分母）之间的关系。奉行两种模式的企业，都不清楚人力资源😆投入是如何产生业绩的，他们只能“抓一头”。 我主张的人⭐效管理，是防守反击的模式，是把有限的人力资源筹码进行合理配置🌟，最大程度确保企业的确定性增长。直观来说，即使一个企业人力资🤗源总投入不变，我认为，通过优化配置方式，也能明显提升人效。因😀为大多企业的人力资源配置方式，实在有点像是“蒙眼放筹码”“菜👍市场议价定编制”，造成的局部冗员那可不是一点点。把冗员挤出来🎉，放到一些真正需要人力投入的领域里，再辅以若干的人效赋能手段😊（选用育留等），业绩增长自然就来了。 如果考虑我的这种🔥理念，人力资源效能，应该就有两层意思：一是“效”，即效率；二😢是“能”，即产出。这个概念本身就有导向性，它表面是防守反击，❤️其实是一种精实增长的进攻理念，它坚信人力资源投入和业绩产出之⭐间的强联系，认为通过人力资源职能的各种工具能够推动经营。有没😆有发现？这个概念本身就是人力资源专业的革命，野心还挺大的！ 🙌 这样看来，中文博大精深，“人力资源效能”的翻译，实在是😜妙！返回搜狐，查看更多