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)

据亿欧汽车报道，极氪内部正在推行代号“M”的渠道改革计划。根😊据这一计划，在不改变直营模式的前提下，部分极氪直营门店和极氪⭐家门店将转让给投资人。其中，后者切换数量较多，前者较少。 😴 根据该计划，部分原本由极氪直接租赁的门店及展厅将转由投资❤️人接手，相关销售团队也将脱离极氪体系，转为投资人旗下员工。 😍 值得注意的是，极氪强调其仍将保留相当数量的直营门店，特🥳别是位于一二线城市核心商圈的门店，以维持对终端售价和服务标准😅的直接管控。全国门店总量将稳定在500家左右。 这一变😎革背后，是极氪与领克品牌战略整合的深化。 官方表示，新😴采用的“直营为主、合伙人模式为辅”策略，旨在借助合伙人模式更🤩快渗透下沉市场。此前极氪高管曾透露，在不同级别城市将采用差异😁化的渠道策略：一二线城市坚持直营，三四线城市尝试代理，五六线😂城市则与领克共享渠道以降低投入。 极氪最新财报数据显示😘，其第二季度销售管理费用有所下降，毛利率创下20.6%的新高🚀，这表明“M计划”在一定程度上有助于优化运营成本。 然😁而，部分投资人对转让门店兴趣不高，尤其是位于客流较小城市的门⭐店，其盈利潜力可能有限，这给“M计划”的推进带来了一定挑战。😡 从市场现状来看，极氪在新能源汽车市场的竞争中面临着诸🤔多压力。 一边是传统豪华品牌急着搞电动化，新车一款接一🤯款地出，抢极氪的市场；另一边造车新势力也没闲着，天天琢磨创新🙄，产品和服务都在升级，压力真是从两头来。 这种时候推“🙄M计划”，极氪可能是想找找新出路、冲点新增长。 总的来😡说，“M计划”或许是极氪在激烈竞争里给销售渠道动的一次手术。👏 想靠“直营打底、合伙人补位”的办法，把市场铺得更开，💯资源用得更省。 至于极氪能否实现可持续增长，还需交给市👍场来检验。（转载自电车界）返回搜狐，查看更多