开云kaiyun体育

作家 | 陈骏达

剪辑 | 李水青

昨晚，DeepSeek 再度草创历史！

智东西 9 月 18 日报说念，9 月 17 日，由 DeepSeek 团队共同完成、梁文锋担任通信作家的 DeepSeek-R1 推理模子议论论文，登上了外洋泰斗期刊《天然（Nature）》的封面。

DeepSeek-R1 论文初度公开了仅靠强化学习，就能激勉大模子推理才调的迫切议论效果，启发民众 AI 议论者；这一模子还成为民众最受接待的开源推理模子，Hugging Face 下载量超 1090 万次。此番得回《天然》的认证，可谓是实至名归。

与此同期，DeepSeek-R1 亦然民众首个经过同业评审的主流谣言语模子。《天然》在社论中高度评价说念：确实通盘主流的大模子皆还莫得经过孤苦同业评审，这一空缺"终于被 DeepSeek 防碍"。

《天然》觉得，在 AI 行业中，未经阐明的说法和炒作照旧"司空见惯"，而 DeepSeek 所作念的一切，皆是"迈向透明度和可重复性的可喜一步"。

《天然》杂志封面标题：自助——强化学习训诲大模子自我纠正

发表在《天然》杂志的新版 DeepSeek-R1 论文，与本年 1 月未经同业评审的第一版有较大各异，表现了更多模子查验的细节，并正面修起了模子发布之初的蒸馏质疑。

发表在《天然》杂志的 DeepSeek-R1 论文

在长达 64 页的同业评审文献中，DeepSeek 先容，DeepSeek-V3 Base（DeepSeek-R1 的基座模子）使用的数据一说念来自互联网，天然可能包含 GPT-4 生成的落幕，但绝非有利而为之，更莫得专门的蒸馏门径。

DeepSeek 也在补充材料中提供了查验过程中减弱数据浑浊的宝贵过程，以解释模子并未在查验数据中有利包含基准测试，从而擢升模子阐述。

此外，DeepSeek 对 DeepSeek-R1 的安全性进行了全面评估，解释其安全性开首同期发布的前沿模子。

《天然》杂志觉得，跟着 AI 时代日渐普及，大模子厂商们无法考证的宣传可能对社会带来真正风险。依靠孤苦议论东说念主员进行的同业评审，是遏止 AI 行业过度炒作的一种有用方法。

一、新版论文表现多个迫切信息，R1 安全性获全面评估

在了解新版论文的变化前，咱们有必要先记忆下 DeepSeek-R1 论文的中枢内容。

DeepSeek-R1 的议论起点，是那时困扰 AI 业内的一个紧要问题。人所共知，推理能擢升谣言语模子的才调，但让模子在后查验阶段通过数据学习想维链轨迹，严重依赖东说念主工标注，终明晰可彭胀性。

DeepSeek 尝试通过强化学习，让模子自我演化发展出推理才调。在 DeepSeek-V3 Base 的基础上，DeepSeek 使用 GRPO 看成强化学习框架，仅使用最终展望落幕与真正谜底的正确性看成奖励信号，未对推理过程施加终了，最终构建出 DeepSeek-R1-Zero。

DeepSeek-R1-Zero 通过强化学习得手掌抓了纠正的推理战术，倾向于生成更长的回答，每个回答中包含考证、反想和探索备选决策。

DeepSeek-R1-Zero 答题正确率跟着推理长度擢升，模子查验中总体回答长度也束缚擢升

DeepSeek 在 DeepSeek-R1-Zero 的基础上，汲取多阶段查验市欢 RL、拒却采样和监督微调，成立出 DeepSeek-R1，使模子既具备强推理才调，又能更好贴合东说念主类偏好。此外，团队还蒸馏出微型模子并公成立布，为议论社区提供了可用资源，鼓励想维链推理模子的发展与期骗。

除了上述主要科研效果外，在最新版的论文和其他材料中，DeepSeek 新增了不少补充信息，让外界更久了地了解到模子查验和运作的细节。

基准测试数据浑浊是一个极为敏锐的问题——要是厂商在查验时有利或不测包含了基准测试和研究谜底，就很有可能导致模子在研究测试上的得分额外偏高，影响基准测试评分的自制性。

DeepSeek 流露，为了提神基准测试数据浑浊，其已对 DeepSeek-R1 的预查验和后查验数据皆现实了全面的去浑浊措施。以数学范畴为例，仅在预查验数据中，DeepSeek 的去浑浊过程就识别并删除了约六百万条潜在文本。

在后查验阶段，数学研究的数据均来自 2023 年之前的竞赛，并汲取与预查验换取的过滤战术，确保查验数据与评测数据透彻不重复。这些措施保证了模子评测落幕随机真正反应其治理问题的才调，而非对测试数据的讲究。

不外，DeepSeek 也承认这种去浑浊方法无法透彻提神对测试集的改写，因此在 2024 年之前发布的部分基准测试仍可能存在浑浊问题。

DeepSeek 还为 DeepSeek-R1 新增了一份全面的安全答复。答复提到，DeepSeek-R1 在办事部署中引入了外部风险适度系统，不仅不错基于关节词匹配识别不安全对话，还使用 DeepSeek-V3 告成进行风险审查，判断是否应拒却响应。DeepSeek 建议成立者在使用 DeepSeek-R1 时，部署同样的风险适度系统。

在公开安全基准测试和里面安全议论中，DeepSeek-R1 在大无数基准上跨越了 Claude-3.7-Sonnet、GPT-4o 等前沿模子。开源部署版块的安全性虽不足具备外部风险适度系统的版块，但仍领有中等水平的安全保险。

DeepSeek-R1 发布之初，曾有传说称该模子使用了 OpenAI 的模子进行蒸馏，这也出目下审稿东说念主的发问中。

对此，DeepSeek 作念出了正面修起，称 DeepSeek-V3-Base 的预查验数据一说念来源于鸠合，反应天然数据散布，"可能包含由先进模子（如 GPT-4）生成的内容"，但 DeepSeek-V3-Base 并莫得引入在合成数据集上进行大范畴监督蒸馏的"冷却"阶段。

DeepSeek-V3-Base 的数据截止时刻为 2024 年 7 月，面前锋未发布任何公开的先进推理模子，这进一步裁汰了从现存推理模子中不测蒸馏的可能性。

更迫切的是，DeepSeek-R1 论文的中枢孝敬，也便是 R1-Zero，不波及从先进模子进行蒸馏。其强化学习（RL）组件是孤苦查验的，不依赖于 GPT-4 或其他同样才调模子的输出或教训。

二、R1 论文草创大模子科研新范式，《天然》盛赞其填补空缺

在社论中，《天然》宝贵地分析了 DeepSeek-R1 资格完好同业评审过程，并登上期刊的价值。

大模子正在赶紧改换东说念主类获取学问的方法，可是，目下最主流的大模子皆莫得在议论期刊中资格过孤苦的同业评审，这是一个严重的空缺。

同业评审出书物有助于申报大模子的使命旨趣，也有助于业内评估大模子的阐述是否与厂商宣传的一致。

DeepSeek 改换了这一近况。DeepSeek 在本年 2 月 14 日将 DeepSeek-R1 论文提交至《天然》，而直到 7 月 17 日才被禁受，9 月 17 日肃肃发布。

在这一过程中，有 8 位外部人人参与了同业评审，对这项使命的原创性、方法和鲁棒性进行了评估。在最终发布的版块中，审稿答复与作家回复皆被一并表现。

智东西也久了研读了 DeepSeek-R1 论文的审稿意见与作家回复。这份文献长达 64 页，接近论文自己篇幅的 3 倍。

DeepSeek 同业评审材料封面

8 位审稿东说念主共建议上百条具体意见，既包括对单词单复数等细节的修改，也涵盖对论文中将 AI "拟东说念主化"的警示，以及对数据浑浊和模子安全性问题的海涵。

举例，鄙人方修改意见中，审稿东说念主历害地捕捉到了"将 DeepSeek-R1-Zero 开源"这一表述的隐隐性，并请示 DeepSeek，"开源"这一办法的界定仍存争议，在使用研究表述时需要格外注重。

这位审稿东说念主还条目 DeepSeek 在论文中附上 SFT 和 RL 数据的长入，而不单是是提供数据样本。

一位审稿东说念主的部分修改意见

DeepSeek 看重修起了审稿东说念主建议的每一个问题，前文提到的多个章节与补充信息，恰是在审稿东说念主的建议下新增的。

天然 DeepSeek 曾经在本年 1 月发布 DeepSeek-R1 的时代答复，但《天然》觉得，此类时代文档与骨子情况之间的差距可能很大。

比拟之下，在同业评审中，外部人人并不是被迫禁受信息，而是随机在孤苦第三方（剪辑）的专揽和管制下，通过相助建议问题，并条目论文作家补充信息。

同业评审随机擢升论文的清晰度，并确保作家对其主见作出合理的论证。这一过程并不一定会对著述内容带来紧要修改，但却能增强议论的实在度。对 AI 成立者而言，这意味着他们的使命会更为塌实，并更具劝服力。

结语：DeepSeek 开源模式或成行业典范

看成国产开源 AI 模子走向天下的代表，DeepSeek-R1 在民众开源社区领有极高的口碑。而在本次登上《天然》杂志封面后，DeepSeek 又补充了这一模子的更多信息，为开源社区提供了科研参考、模子复现想路以及期骗守旧。

《天然》杂志敕令更多的 AI 公司将其模子提交给同业进行评审开云kaiyun体育，确保其声明经过考证和线路。在这一配景下，DeepSeek 的开源模式不仅展示了国产 AI 的时代实力，也有望成为民众 AI 行业在科研透明度方面的参考典范。

---