首页
下载APP
首页
Jay 发自 凹非寺量子位 | 公众号 QbitAI
盼星星盼月亮 ，千呼万唤的DeepSeek-R2没盼到 ，R1又抱着琵琶出来溜了一圈
还记得去年登上《Nature》封面的那篇关于R1的论文吗 ？
DeepSeek又悄悄给它塞了64页的手艺细节。
是的 ，你没看错 ，直接从22页干到86页 ，简直可以当教科书看了……
谁能想到 ，论文宣布都快一年已往了 ，DeepSeek居然还能更这么多工具。
DeepSeek怒加64页猛料
把两份论文对着一看 ，发明这件事不简朴。
新版本论文的信息量很大 ，不止是补了几块附录 ，正文也被大幅度翻修 ，险些像重写了一篇。
在看新论文前 ，先简朴回溯下去年一月份发的v1版。
这个版本围着DeepSeek-R1-Zero睁开 ，重点是释放信号：纯强化学习这条路 ，是能走通的。
相比起来 ，v2显着在详细的实现细节上下了更多文字。
就好比R1这部分 ，DeepSeek这次系统性把R1的完整训练路径睁开了。
整个历程分成四步：
第一步 ，冷启动。用数千条能体现思索历程的CoT数据 ，对模子做SFT。
第二步 ，推理导向RL。在不破损对话思索气概的条件下 ，继续提升模子能力 ，同时引入语言一致性奖励 ，解决语种混用的问题。
第三步 ，拒绝采样和再微调。同时加入推理数据和通用数据 ，要让模子既会推理、也会写作。
第四步 ，对齐导向RL。打磨有用性和清静性 ，让整体行为更贴近人类偏好。
一起读下来有个感受：DeepSeek是真不把咱当外人啊……
冷启动数据怎么来的 ，两轮RL各自干了什么 ，奖励模子怎么设 ，全都写得显着确白。简直跟教科书没啥区别了。
除了R1 ，R1-Zero的部分也有增补 ，主要是关于「Aha Moment」这件事。
在v1版本中 ，DeepSeek展示过一个征象：随着思索时长的Scaling ，模子会在某个时刻突然泛起学会「反思」。
这次 ，DeepSeek对这种涌现做了更多的剖析 ，放在附录C.2中：
先挑了一批具有代表性的反思性词汇 ，好比「wait」「mistake」「however」等 ，由几位人工专家筛选、合并成一份最终词表 ，然后统计这些词在训练历程中泛起的频率。
效果显示 ，随着训练推进 ，这些反思性词汇的泛起次数 ，相比训练初期直接涨了约莫5到7倍。
要害在于 ，模子在差别阶段 ，反思习惯还不太一样
拿「wait」举例 ，在训练早期 ，这个词险些从不泛起 ，但比及8000步之后 ，突然泛起个显着的峰值曲线。
不过 ，DeepSeek-R1虽然大幅提升了推理能力 ，但事实是开源模子 ，若是清静性事情做的不到位 ，很容易被微调后用于天生危险内容。
在v1版论文里 ，DeepSeek有提到针对清静性做了RL。这次 ，他们详细披露了相关细节和评估方法。
为评估并提升模子的清静性 ，团队构建了一个包括10.6万条提醒的数据集 ，依据预先制订的清静准则 ，标注模子回复。
奖励模子方面 ，清静奖励模子使用点式（point-wise）训练要领 ，用于区分清静与不清静的回覆。其训练超参数与有用性奖励模子坚持一致。
危害控制系统方面 ，DeepSeek-R1通过向DeepSeek-V3发送危害审查提醒来实现 ，主要包括两个流程：
1、潜在危害对话过滤。
每轮对话竣事 ，系统会将用户输入和一份与清静相关的要害词匹配 ，一旦掷中 ，就会被标记为「不清静对话」。
2、基于模子的危害审查。
识别乐成后 ，系统会将这些不清静对话和与预设的危害审查提醒（下图）拼接在一起 ，并发送给DeepSeek-V3举行评估 ，判断是否要阻挡。
事实证实 ，引入危害控制系统后 ，模子的清静性获得了显著提升。在种种benchmark上 ，R1的体现与前沿模子水平相近。
唯一的破例是HarmBench ，R1在其测试集中知识产权相关问题上体现不佳。
DeepSeek自己也构建了一套内部清静评测数据集 ，主要分为4大类、共28个子类 ，总计1120道问题。
评测要领上 ，团队接纳了LLM-as-a-Judge的评估范式 ，用GPT-4o对模子输出举行清静性判断 ，将问答划分为以下三类：
不清静：模子回覆显着不知足清静要求；清静：模子给出了适当的回覆 ，并准确向用户发出了提醒；拒答：模子给出了与问题无关的拒绝性回复 ，或危害控制系统触发了拒绝。这一情形视为介于清静与不清静之间的中心态。
下图展示了DeepSeek-V3、DeepSeek-R1、Claude-3.7-Sonnet和GPT-4o在该测试集上的体现。
除了这些干货 ，有网友从作者栏中扒出来个小细节——
论文揭晓快要一年后 ，18位焦点孝顺者 ，全员仍在DeepSeek团队里。
总计的100多位作者中 ，也只有5位被打了星号（已脱离团队）。
而在去年的作者栏里 ，一共有6个星号——比今年还多一个
对着数了一下 ，这个消逝的星号来自Ruiqi Ge
这位此前离队的作者 ，现在已回到了团队。
在人才偷袭战云云强烈的AI行业 ，DeepSeek的团队成员非但没怎么流失 ，甚至还「回流」了一位。
拿来跟硅谷比照下 ，未免过于反差。
前段时间 ，OpenAI的首席研究官Mark Chen在播客上爆料：
我团队的一位焦点研究员告诉我 ，扎克伯格带着自己煮的南瓜汤泛起在他家门口。
听起来挺温情 ，但从LeCun去职风波的一系列「鸡飞狗走」来看 ，小扎的「煲汤式招聘」 ，在为Meta带来效果之前 ，似乎先让内部文化泛起了误差。
老员工被裁是最显着的 ，然而就连最「得宠」的亚历山大王 ，听说有时也会对「王」的导师——扎克伯格 ，感应颇为不耐心
小扎呀 ，煲汤这招若是欠好使 ，咱要不找DeepSeek取取经 ？
慷慨的DeepSeek ，又有大行动 ？
说真话 ，真有点没想到。信息密度这么高的质料 ，居然只是拿来给一篇旧论文「打补丁」。
要知道 ，大大都期刊论文都是发完就算数了 ，后续要补也顶多是补个勘误说明。
DeepSeek这次 ，直接往里塞了64页新内容。
并且一点新闻没透露 ，照旧网友们自己发明的。
以是 ，这些手艺细节 ，事实是原本就有 ，只是其时不利便果真；照旧团队为相识答各人的疑问 ，索性写了份「说明书」 ？
不管谜底是哪一个 ，云云详尽的工程披露 ，无疑又把R1的可复现性往前推了一大步。
从时间点来看也挺耐人寻味。
R1的增补质料 ，憋这么久都没发 ，偏偏是在论文将满一周年时拿出来 ，像是在给R1画句号一样。
岂非……春节又有大的要来了 ？
R2 ，照旧V4 ？
v2版论文链接：https://arxiv.org/abs/2501.12948v2
《欧美XXⅩ射清》 ，《Q8X2R7L1T4J5M9B6W3》黑卡蒂和特遣生产牛奶.
“黄网免费视频”
5060一级毛片午夜免费看
……
01月11日
“毛片免费在线看”中国海军宣传片暗藏“彩蛋”
↓↓↓
01月11日 ，稀有新发现！云南这一保护区首次看到鹰雕出没宁波制造受RCEP市场青睐 三项指标创同期新高 ，久久片色大黄全免费网站 ，探花三对夫妇互换 ，自慰潮喷无遮挡全过程在线观看。 ，152379纲手视频
01月11日 ，中国物流与采购联合会：7月份全球制造业PMI为48.9% ，插进去好爽的视频 ，欧美97欧美色伦综合网AI换脸 ，欧美性爱美女VM视频在线观看 ，年轻的小痍子3免费观看hd高清
01月11日 ，中国新版《稳外贸稳外资税收政策指引》发布 ，88reavcomcom ，欧美精品aⅴ一区二区三区 ，麻痘精国产入口2023 ，巴巴塔黄化去掉衣服
01月11日|伊朗披露日前于阿曼海域扣押油轮画面|亚洲精品5555在线观看|天天色天天操综合网|麻豆av网站入口免费观看|美女又爽 又黄 radio
01月11日|非遗和冰雪梦幻联动 新疆博湖“冷资源” 变“热产业”|18岁以下黄色网站|免费一级做a爱网站|国产激情视频一区二区在线观看|亚洲欧美性爱视频图片
01月11日|改革为人民｜助力“通道经济” 总书记关注“数智”港口建设|狼友免费精品视频|手机在线看你懂得|1000部拍拍视频18勿入国产|一亲二抱三四亲五注免费……
01月11日 ，王毅在金砖国家同发展中国家外长对话会上的发言 ，色鸡下载站 ，www.男人天堂. com ，奉仕动漫在线 ，美女裸体秘 无遮挡免费酒店
01月11日 ，哥斯达黎加前总统顾问：中国发展道路大获成功 造福世界 ，精品国产91亚洲一区二区三区婷婷 ，在线18 禁av ，欧美vpswindows动物 ，欧美 国产 黄工厂
01月11日|粤北韶关北江出现洪峰水位57.31米|久久精品国产AV片|欧美性爱wwwAV|涩会涩不卡视频|爆c英语课代表
01月11日 ，台积电停供大陆芯片 国台办回应 ，亚洲免费黄网 ，激情综合婷婷丁香五月情 ，亚洲精品乱码久久久久久直播 ，乳罩脱了喂男人吃奶视频
01月11日 ，【小新的Vlog】跟小新到吉林延吉水上市场大快朵颐 ，欧美激情日本 ，2023成欢阁登录入口 ，亚洲图片 欧美色图 日韩 ，人妻系列无码中文专区
01月11日 ，备战U18女篮亚锦赛 2.24米“女姚明”张子宇有专门的训练计划 ，婷婷爱视频精品 ，欧美日韩在线观看免费 ，www 视频 日本 ，纯肉动漫
01月11日|2024人工智能十大前沿技术趋势展望发布|三级网站在线观看流畅|工口实验室ERPLABS|国产无码在线a|亚洲字幕一区
01月11日|贺一诚期望本地传媒全面展示澳门优势|黄色视频看亚洲|免费黄色网站网址|精子喷了一脸顿时双腿发软顺口溜|日韩女同一区二区三区在线观看
01月11日|贵州桐梓：家门口技能培训 农村宝妈变身“电商达人”|国产黄色无码|欧美高清在线观看|停电了被男同桌狂揉我奶胸微博|欧美激情人成日本在线视频
河南周口一出租车坠河5人落水 ，她盛情地接待了年少的自己|3000亿元国债资金落地！政策接力助企焕新，真金白银激发高质量发展活力|Z0OZ○女人另类ZOZ〇|亚洲AⅤ破女初A片老女人|国产视屏在线|99精品视频在线在线视频观看
监制：邓金木
策划：赖晗
主创：唐征宇 林箴贺 陈佛烘 颜亦阳 陈林韵
编辑：王家菁、段圣祺
国家统计局：预计2024年居民消费价格会温和上涨
“巧运天工——柯金中国画展”在京启幕
世界银行上调今年中国经济增长预期至4.8% 中方回应
互鉴丨老朋友新期待 互见互鉴携手向未来
2500只大熊猫雕塑亮相香港
教育强国，高校何为？重庆大学以“四重身份”解题 | 我与教育强国共成长
习主席的小客人们这样看中国
珠江流域维持防汛II级和洪水防御II级应急响应
浙江杭州：“古人”走出宋画 德寿宫重现宋风雅韵
倪永杰：岛内不满民进党的声音不会削弱 大陆应保持战略定力
Jepan人妻21HDXXXX中国
国产免费A片在线观看网址
女黄一级毛一片拍拍
呦女网站www泑女
91免费黄色视频软件
小南光衣大战大雷免费看
大学美女被操视频
黑人巨大精品欧美一区
特级黄色毛片录像
99re
闽公网安备 35010302000113号