猫眼影戏
 |
|
猫眼影戏
龚琼
手机审查
猫眼影戏记者 甘润 报道Q8X2R7L1T4J5M9B6W3
作者 ｜ 周一笑邮箱 ｜ zhouyixiao@pingwest.com
1月4日，DeepSeek在arXiv上更新了R1论文。
没有官宣，没有推文，只是版本号从v1酿成了v2。但翻开PDF的人都会发明一个转变，页数从22页膨胀到了86页，文件巨细从928KB涨到1562KB。
新增内容包括完整的训练管线拆解、20多个评测基准的详细数据、以及长达数十页的手艺附录，近乎重写的大手术。
时间点也有些玄妙。1月20日是R1宣布一周年，再往后推一个月，2月17日是夏历春节，而DeepSeek有在春节前放大招的古板，去年的V3和R1都是在春节窗口期宣布的。
一篇“旧”论文的大更新，会是新行动的前奏吗？要回覆这个问题，我们先来看看这86页里究竟写了什么。
1
一篇论文的“三生三世”
要明确这次更新的意义，需要先回首R1论文的完整旅程。
2025年1月20日，22页预印本宣布。DeepSeek在arXiv宣布R1论文，焦点结论是：纯强化学习可以让大模子自己“学会”推理，不需要人类标注的头脑链数据。论文开源、模子开源、要领开源，直接引爆全球AI社区。
2025年9月17日，R1论文登上Nature封面，梁文锋署名通讯作者。这是全球首个通过顶级学术期刊偕行评审的主流大模子，8位专家审稿，逐条质疑，逐条回应。审稿人关注的问题包括，R1是否使用了OpenAI模子的输出来训练（即“蒸馏”质疑）、训练数据的详细泉源、以及清静性细节。DeepSeek在回应中明确否定了蒸馏指控，并首次果真了训练本钱，从V3-Base训练到R1，只花了29.4万美元。
Nature为此专门撰写社论，指出主流大模子公司宣布模子时通常不经由自力评审，“这一空缺随着Nature揭晓DeepSeek-R1的细节而改变”。
2026年1月4日，86页完整版上线。最新版本把Nature版的手艺细节同步回arXiv。Dev1、Dev2、Dev3训练阶段的完整拆解、扩展后的评测数据、以及附录A-F的手艺文档，现在免费向所有人开放。
期刊揭晓后同步更新预印本，在学术界是通例操作。但从22页扩到86页、内容量翻近四倍，这种幅度的更新相当有数。某种水平上，DeepSeek把一篇论文做成了一份手艺全书，它想让所有人都能复现R1，而不但是读懂R1。
1
新增了什么？拆解64页“增量”
训练“黑箱”翻开：Dev1、Dev2、Dev3首次曝光
原版论文对训练历程的形貌相当榨取：冷启动SFT → 强化学习 → 最终SFT，三步走完，细节从略。新版则把这个管线彻底拆开，引入了三其中心检查点：Dev1、Dev2、Dev3。
R1完整训练管线
Dev1是冷启动阶段的产品。模子在这个阶段学会了听话（指令遵照能力大幅提升），但价钱是推理能力反而下滑。论文披露的数据显示，Dev1在AIME数学竞赛上的体现比基座模子还要差。
Dev2专门用来“抢救”推理能力。这个阶段只做reasoning-oriented RL，把数学和代码能力拉回来，同时坚持住指令遵照的水平。
Dev3是最终打磨。通过拒绝采样天生高质量数据，再做一轮SFT，让模子在推理使命和通用使命上都能稳固输出。
这套先教规则、再练内功、最后调形态的三段式流程，诠释了一个许多人体贴的问题，为什么R1既能做长链推理，又不会像R1-Zero那样输出杂乱、中英混杂。
从5个benchmark到20+：评估系统周全扩展
原版论文的评测集中在几个焦点指标，AIME数学竞赛、Codeforces编程、MATH数据集。新版大幅扩展了评测规模，涵盖MMLU、MMLU-Pro、DROP、GPQA Diamond、IFEval、Arena-Hard、SWE-bench Verified、LiveCodeBench等20多个基准。
R1-Zero训练曲线：准确率从15.6%涨到77.9%，凌驾人类水平（绿色虚线）
更值得关注的是人类baseline的引入。新版论文直接把R1的AIME效果和人类参赛者的平均分放在一起较量。R1-Zero在训练历程中，pass@1从15.6%一起涨到71.0%，使用大都投票后抵达86.7%，凌驾了人类平均水平。
这种和人比的评测方法，比纯粹刷榜更能说明问题。
RL炼丹手册：附录A-F中的“秘笈”
关于想复现R1的研究者来说，新增的附录可能是最有价值的部分。
附录A详解了GRPO（Group Relative Policy Optimization）的实现细节，包括学习率、KL系数、采样温度等要害超参数。附录B-F则笼罩了奖励函数设计、数据结构战略、评测细节等。原版论文的"要领论"色彩浓重，新版则更像一本操作手册，参数写死、流程写清、坑也标出来。
正如一篇手艺解读所说，与原版聚焦高层要领论和效果差别，新版的附录为任何想相识模子事情原理的人提供了完整透明的指南。
被写进论文的失败实验
新版论文尚有一个容易被忽略的章节：Unsuccessful Attempts（失败的实验）。
DeepSeek坦承，他们试过MCTS（蒙特卡洛树搜索）和PRM（历程奖励模子）m这两条蹊径是已往一年业界最热门的研究偏向，不少顶级实验室都在重注押宝。效果是：走欠亨，至少在通用推理使命上走欠亨。
论文的诠释是，这类要领对“办法颗粒度”要求太高，适合数学证实这种每一步都能清晰验证的场景，但很难泛化到更开放的推理使命。这和开发者社区的讨论不约而同，PRM和MCTS可能会限制强化学习的探索空间，只适合那些界线清晰的问题。
把失败写进论文，在学术界并不有数，但在工业界主导的大模子研究中相当少见。某种水平上，DeepSeek帮整个行业做了一次祛魅，巨头们死磕的偏向，未必是对的偏向。
从22页到86页，DeepSeek补上的是可复现性。这也引出了一个问题，为什么选择在这个时间点做这件事？
1
为什么是现在？
期刊揭晓后把内容同步回预印本，学术界司空见惯。但R1的这次的论文更新，照旧有几个值得玩味的地方。
首先是时间节点。1月4日论文更新，1月20日R1宣布一周年，2月17日夏历春节，三个日期串在一起，很难不让人遐想。去年V3和R1都是在春节窗口期宣布的，DeepSeek似乎形成了某种“年货”古板。X上已经有不少人在问：“我们会很快听到鲸鱼的新闻吗？”
其次是更新自己的变态。大大都论文宣布后就不再改动，最多修修勘误。一次性补上60多页，把内部积累的实现细节、消融实验、甚至失败实验所有果真，这在追求护城河的AI行业相当少见。
怎么明确这种“变态”？一种解读是这些手艺对DeepSeek的目今研究已经不再组成竞争优势，他们已经转向了更新的偏向。连系1月1日刚宣布的mHC架构论文，下一代模子的轮廓似乎正在浮现。
另一种解读是防御性的开源战略，把一年前的手艺细节彻底果真，使其酿成公共知识，可以避免竞争敌手将类似手艺申请专利或构建壁垒。与其让R1的手艺在闭源竞争中被逐渐稀释，不如自动释放，拉高整个开源社区的水位。
尚有一个容易被忽略的细节是作者名单。论文用星号标注已去职职员，但在100多位孝顺者中只有5位带星号，18位焦点作者一年后所有还在。更有意思的是，一位一经带星号的研究员这次星号消逝了，似乎重新回到了团队。焦点班底险些零流失，在人才争取白热化的AI行业也相当有数。
回看已往一年，DeepSeek的节奏始终是先发论文，再发模子。V3论文详解了MoE架构和MLA注重力机制，R1论文拆解了纯RL训练框架，mHC论文优化训练稳固性问题。每一篇都不是事后总结，而是提前铺路。这次86页的更新，某种意义上也是同样的逻辑，在下一个大行动之前，把上一个阶段的手艺债彻底清完。
至于谁人“大行动”是什么、什么时间来，谜底或许很快会揭晓。
点个“爱心”，再走 吧
??时势1：色哟在线视
??01月16日,“五一”假期天津接待游客超1400万人次 旅游收入122.1亿元,
“啥，斩掉了那头重大的祭灵？”一群男子发呆，此后所有大笑了起来。
,可以看AV的免费网站。??01月16日,杭州一大学别样的“最后一堂课”,
众人震撼，这可是堂堂的雷侯啊，仅有的两个王侯领地之一的主人，就这般被吊了起来，成为一个囚徒，难以想象！
,国产户外露出精品一区,日韩黄片刺激痉挛喷水,在线亚洲国产一区二区无码。??时势2：www.hsly520.com/
??01月16日,龟兹文化“刻”入铜器 新疆匠人兄弟传承老手艺,
“差池呀，那头小山兽也吃了下五色禽卵，岂非它也很不凡？”一行人中的中年男子发出疑问。
,免费黄色大片视频,免费亚洲视频,秘 入口宅男导航。??01月16日,中国经济信心说丨广交会为何依然能“圈粉”全球客商？,
虽然，终究照旧免不了血战，这一起上的凶禽猛兽太多了，小不点天天都要履历多次酣战，沐浴兽血而行。
,盗摄在线,69围围围围69HD,日日日日日日BBBBB视频。??时势3：h无码精品视频黄网站
??01月16日,国务院听到了你的声音,
“果真啊，不止我们一族得悉了这头远古遗种狻猊要老死，生涯在这片大荒周围的人都在关注着。”
,黄片无内衣,淫荡视频欧美,国产区久久精品。??01月16日,四川：资中女足球员赴德国参加训练、比赛和人文交流,
2、千原理，万原理，落实好了就是硬原理。狠抓落实是我们的天职，只有落实好了，才华推行好我们的职责，体现历史付与我们的神圣使命。办教育不要眼能手低，不要说空话、假话，不要做不切合现实的事，不要违反教育纪律做事，任何有价值的工具和履历都是从课堂教学中来，到课堂教学中去，我们必需大兴调研之风、务实之风、学习之风，才华在抓落实中不走弯路、绕路，抵达事半功倍的效果？С醯较衷，中心学校安排了许多事情，每所学校都落实得较量到位，特殊是校园文化、宿舍文化都高标准、严要求，准时、按质、按量地美化了学生宿舍，安科村完小使用国庆长假完成了校园文化建设，规格很高，充分体现情形育人的功效。边远山区学校要搞好校园文化建设和学生宿舍美化需要支付许多，只管难题重重，照旧准期完成，真正做到了“只为落实想步伐，不把难题当捏词”。责任是学校生长最深的动力，我们必需清晰地意识到我是做什么的?应该怎么做?做到什么水平?才会在抓落实中体现我们肩上的责任和担子，我们没有更大的权力，只有一份沉甸甸的责任，为这一份责任必需政令流通，落实到位，学校事情才华按章有序顺遂举行。落实好了，就是生长好了，落实好了，就是效益好了。
,jizzjiz日本,欧美日韩视频免费,chaopeng免费。??时势4：台湾三级中间伸太长了在线观看
??01月16日,把中华武术瑰宝传承下去（侨界关注）,
第二，做勤学善思，锐意进取的学生。我们每一个学生只有发挥受苦钻研的，勤劳起劲地学习，才华在辽阔无垠的知识海洋中学到更多的知识。多读有益的书、做有益的事、交有益的人。本学期学校将开展“校园念书节”活动，希望更多的同砚能与书为友，多念书、读好书，在熏陶情操、滋润心灵的
,xxx100,91人人爽人人爽人人片,免费永久看黄网址直接看。??01月16日,Keep与OPPO达成战略合作，智能硬件+AI大模型赋能运动健康领域,
步队生涯是艰辛的，军训虽然不是在前方接触，可是严酷的行列训练、摸爬滚打，可能会让人感应劳累、死板，尤其是军训时代天气可能冷热转变无常，同砚们要准备闯过训练、生涯等一道道难关。我以长征组歌中的一段歌词送给各人，希望各人在难题的时间，想一想红军先进：雪皑皑，野茫茫，高原寒，炊断粮。红军都是钢铁汉，千锤百炼不怕难。雪山垂头迎远客，草毯泥毡扎营盘。风雨侵衣骨更硬，野菜果腹志越坚。官兵一致同甘苦，革命理想高于天。
,wwwIcav22com,精品精品国产自在久国产,昆延。【天天学习丨中南海月刊（2024.04）】
责编：祁雪晶
审核：孙颖浩
责编：顾珊珊
Copyright (C) 2001- dzwww.com. All Rights Reserved
新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证
山东省互联网传媒集团主理 联系电话：0531-85193202 违法不良信息举报电话：0531-85196540
鲁ICP备09023866号-1 鲁公网安备 37010202000111号
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
