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 | 李倩说品牌 文 | 李倩说品牌 “做品牌😡”是一个人人都能说、快被说烂的事。这件事太容易被误解了，现实🙌语境中，说起“做品牌”，常常是鸡同鸭讲，说的压根不是一回事儿😎。 举个例子：我在一次CEO闭门讨论会上遇到一个高管，😎当大家在讨论如何抓住新的内容平台做品牌时，他说：我觉得没有做🎉品牌这回事，我们做企业本身就是在做品牌。你看，这就是典型的混🙌淆概念了。 “做品牌”，很容易被误读，有两个比较常见的😆说法： 一、“做品牌”= 好好“做企业”。 品牌🙄=企业，这种理解是把品牌这个词泛化和放大了，认为只要企业做得🌟好就等于品牌做得好。在这种理解视角下，品牌部门、品牌专业，甚😅至品牌工作本身的存在，价值不大，甚至会觉得品牌部门“可有可无😊”，品牌专业“没啥大用”，品牌工作就是“敲锣打鼓”。 😴我亲耳听过一家上市公司最大的事业部总经理说：做什么品牌，我们😴业务部门做好了就有品牌，要什么品牌部门？！ 二、“做品💯牌” = 做具体的“营销动作”。 品牌=营销动作，这种😀理解是把品牌这个词功能化了，认为品牌就是一种非常具体的动作，🤗比如做PR（公共关系）、做产品推广、做文案和设计等。这种理解😂就像是你说“做人力资源”，别人理解成“招人”；你说“做行政”👍，别人理解成“前台接待”。 一旦这样理解“做品牌”，最😢大的后果就是：CEO立刻觉得这事太小了。你们品牌部门自己做做😎就行了，这点事不需要太耽误我的时间。 先明确一下，我今😉天说的"做品牌"不是说做企业，也不是做某个具体的营销动作。这🚀里的“做品牌”= 做企业关键信息的梳理和表达。 这种理😁解下，品牌要先萃取总结，再营销表达，是一个信息梳理、内容生产😢、营销传递的过程。 如果一个企业，不能意识到做品牌究竟⭐意味着什么，它就无法真正进入到做品牌的过程中，也就无法拿到做🤔品牌带来的成果。要么陷入到“品牌无所谓”的轻视，要么进入到对😎一个具体的“活儿”的考核，漏掉了全局梳理管理的关键工作。 🔥 咱们既不要蓄意放大它，也不要刻意缩小它。正常理解它，才能🤯做对做好它。 02 “做品牌”的四大核心议题 如🚀果你认可“做品牌”是值得投入的事，也认可上面所说，“做品牌”🙄就是做信息的表达和内容的体验。好，我帮你说清楚“做品牌”都有🚀哪几大板块的工作。 实际上所有“做品牌”的工作，不外乎🙌这四大核心议题。你可以一边思考一边做个归类： 第一大品👍牌工作议题：【我是谁】 展开全文 众所周知的那些🥳关于品牌定位、品牌战略、品牌特色、品牌名称、品类和产品、商业🌟模式、定价策略、品牌渠道、品牌故事、品牌口号、品牌哲学、品牌🤩VI、品牌理念、品牌安全、品牌管理规范、品牌CIS……这些满🙄坑满谷的概念、工具，只要是关于说明品牌方自己信息的，都可以归🤯到这一类【我是谁】的议题下。 很多时候你可能会被这些概😀念搞得头昏脑涨，我想说：其实你不必理会这些故弄玄虚的概念，喜💯欢卖弄这些概念也不是什么有益的事情。 你可以把每一个概🌟念都当做一个向你发起提问的记者，借助于它的提问，从不同角度，💯帮你想清楚说清楚【我是谁】。 当然，如果觉得需要专业的🙌外部咨询顾问辅助你来想清楚、表达出来，也是很好的办法。 😊 但不管用什么办法，想清楚说清楚【我是谁】，都是第一重要的品⭐牌工作。这一点如果糊弄过去了，后面三件事绝不可能做好。 😡 我们遇到一些品牌，请我们帮忙直接做“品牌物料”，说已经把品😉牌是谁的事都想清楚了，就差输出内容了。结果品牌中心轴十要素逐🌟一细问下去，能回答上来的，不到三分之一。 【我是谁】要🙄经得起方方面面角角落落的追问，才叫真正“说清楚”了。 🤔看起来简单，但真正要做到“说清楚”并不容易，要花很多时间很大😊力气，而只有那些真正有恒心塑造品牌的企业，才会在这件事上不惜❤️投入（主要是时间投入）。 后面我会持续分享这些年遇到的😉那些在【我是谁】上真花过心思、获得市场奖励的好品牌。 😢第二大品牌工作议题【你是谁】 如果说【我是谁】是品牌对🤗自身的认清和表达，那么，【你是谁】，就是品牌对顾客的洞察和探😍索。 这个大议题下包含的工作量也很大。既有时髦的所谓市😀场调研、顾客画像、用户研究、痛点挖掘、顾客旅程、品牌触点等工😘作，也有基于这些工作产生的内容形式、内容渠道、内容手法、内容😴调性等内容体验的整体策略。 说白了，【你是谁】是研究透🚀顾客/受众，并基于这些研究去匹配内容策略的过程。 这个👍议题处理得好，品牌营销的效率才能真的提上去，也许你会发现，看🥳清楚了【你是谁】之后，好多品牌动作压根就没必要做。 【😜你是谁】决定了一个品牌输出内容的策略，满世界越来越多的内容形⭐式（图文、视频、音频、虚拟……）、内容渠道（媒体、门店、经销😴、私域……），我们到底以什么内容渠道为主，以什么内容形式为主😀呢？ 你看，如果人群、旅程和内容策略足够精准，是不是就😀能省掉很多事儿？ 第三大品牌工作议题【我们的成果】 😁 光知道【我是谁】【你是谁】只是品牌展示的工作，最好的“做🎉品牌”一定要讲究“品效合一”，因此第三大品牌工作议题就是双方🤗碰撞之后产生的【成果】。 没有【成果】的品牌工作，就是😂唱高调，耍流氓。 可能你要问：【成果】是不是就是说购买😆产生销量啊？ 不全是。 品牌工作毕竟不只是销售工😍作。品牌工作不单单以“购买”作为评估成果的一个标志，除了购买😎，还有其他三件事，也可以表示品牌的工作有了“成果”。 😴这三件事分别是：复购、连接、分享，再加上“购买”，一共四大成😆果。 如果企业高质量完成了【我是谁】、【你是谁】，那么🤩围绕着四大成果去反向设计品牌内容和运营动作，好的品牌工作，将💯会不断提高这四方面的成果表现。 要么能让人直接拿钱投票😜（直接下单），要么能让人产生复购或转介绍（买了又买，劝别人买😀），要么能让人产生和你主动连接的动作（点赞、投票、留言、UG👍C、参加活动、扣1、说话、到店……），要么能让人分享你的产品😀和内容（转发、传播、拍照、举例、转告……）。 你看，如🤗果【我是谁】说得够清楚，【你是谁】做的够清楚，四大【成果】运😆营得够极致，说得绝对一点，一个品牌的所有顾客/潜在顾客都至少🤯可以满足购买、复购、连接、分享四大效果中的一项。 这，🤩才是最精准的品效合一。 第四大品牌工作议题【内容的效率🤩】 做到了成果，不意味着“做品牌”的工作就结束了。 🙌 好的“做品牌”不仅要看“成果”，还要看“效率”。我们究竟🥳用了多长时间、多少投入、多大精力做到了这样的一个“成果”，这😘个过程是否可以不断优化？不断提高上述所有内容的生产效率？ 😘 这个过程中包括但不限于：在梳理品牌过程中对管理的效率、在😆企业内部跨部门品牌沟通的协作效率、内容团队生产内容的效率、内🤔容团队的管理效率、内容团队的协作效率、AI辅助内容生成等新趋😴势的试用效率…… 你看，这些问题几乎都聚焦在做品牌这件😘事的“内部摩擦力”上。 事实上，这些看起来很抽象的问题👍，都是有方法、工具、流程可以解决掉的。 毕竟，德鲁克老👍先生说过：凡是不能被测量的事，都无法被管理。既然我们想要“管👍理品牌”工作，那么就需要想到办法“测量”这些事，不断用工具、🚀数据加速，让做品牌的正向飞轮转动起来。 这是很容易被企😊业忽略掉的一块“做品牌”的工作板块，不管是大企业小企业，在品😆牌内容工作过程中，都会产生大量的沟通和管理成本，而这部分成本🥳，是完全可以压缩提效的。 结语 以上，我试图用最😁简朴的语言把“做品牌”这件事说清楚，希望能在你的脑海里建立起😡清晰的一张地图，让做品牌这件复杂的事从此明了起来。返回搜狐，😎查看更多