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
《欧美视频看》 ，《Q8X2R7L1T4J5M9B6W3》日本一区二区性爱视频免费看
“99爱国产视频”
姐姐帮你扣扣
……
01月10日
“吴梦梦到粉丝家里第一季在线观看新华”黄晓明女友叶珂退网
↓↓↓
01月10日 ，重庆永川为三只大熊猫举办生日会 果蔬蛋糕、九大碗、火锅串串等亮相 ，深夜视频你懂的一区二区 ，被操很爽的视频 ，欧美aaaaa国产 ，人人看人人看着干
01月10日 ，激发民营经济活力——二〇二四地方两会观察（下） ，18岁禁在线免费观看 ，色色视频欧美 ，看久久久黄色A片 ，舔舔舔干干干日日日插插插
01月10日 ，探访江苏电动三轮车企业：事先调研消费者“三蹦子”使用习惯 ，被姐姐们c到合不扰腿百合 ，涩涩成人 ，特级av中文字幕永久图片专区 ，国产91在线播放精品
01月10日|出行必看！6月15日铁路调图 这些增开列车要知道|精东黄台|51久久综合狠狠综合久久综合|人妻丝袜av先锋影音先锋|插女人阴道的视频
01月10日|海南自贸港已推出146项制度集成创新案例|九九视频免费精品视频|爱搞.com|国产小泑|黄色视频日本ωV
01月10日|敦煌冬季旅游渐热|www.99riav29.com|成人版鉴定师|国产乱人伦精品视频免费|欧美综合偷窥图……
01月10日 ，科学家找到白血病全新遗传致病因子 ，在线A片视频高清免费看 ，激情乱能一级片 ，日朝,欧美,不卡视频 ，毛片av免费观看不卡
01月10日 ，韩国国会弹劾监察院院长 ，欧美老,人性交网站 ，动漫 爆乳 3d网站 ，三级黄色片网址 ，久久激情偷拍视频
01月10日|2023年广东外贸好于预期 总值8.3万亿元|欧美视频综合第一页|欧美成年黄色网在线观看|黄网战在线永久免费观看|爽快好多水深点动态
01月10日 ，为科研人员减负，向“搞材料跑关系”说不！ ，四川妇女野外打野战A片 ，雷电将军疯狂 八重神子 ，免费亚洲 ，玄兵大战倾辛全集免费观看
01月10日 ，“一喷多促”、新技术、新装备……“攥指成拳”全力打赢抗灾夺丰收攻坚战 ，偷拍15位女尿口 ，国产一级视频免费大片 ，欧美中文在线看片免费网址 ，自慰被发现后成了寝室共用性器
01月10日 ，全国铁路今天预计发送旅客1865万人次 ，欧洲A级A片免费视频 ，网站免费在线你懂的 ，99ri 国产 ，国产综合区
01月10日|【党外人士话复兴】田沁鑫：做大家认可的 真正有人民性的作品|A片视频一区二区三区|免费的av插入|亚洲打女仆屁股网站|国产精品毛片一区二区
01月10日|时政Vlog丨我飞了31小时抵达秘鲁利马！大洋彼岸APEC氛围拉满|爽到高潮嗷嗷嗷叫视频欧美|w灬源码1688伊园在线|sxs 爻賰爻|囯语无码高清激情视
01月10日|柬埔寨各政党纷纷发声坚持一个中国原则|717影院理论午夜伦不卡久久|国产精品免费网站在线观看污|好深 好爽 17c视频芒果|一级A片黄色片
我是不是不够好 ，吧友自制手办鉴赏|网红导游小黑浙江嘉兴授课宣讲：需要真实与真诚|男人女人猛烈无遮挡免费视频|国产嫖妓棚户区视频在线|人人看人人上人人操|发条少女大尺度
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
首套房贷利率重回“3”字头 多地银行回调房贷利率下限
国台办：利用船舶遇险事故造谣抹黑大陆 我们对此坚决反对
第二次当选！扎尔达里宣誓就任巴基斯坦总统
四川成都：“龙行中华—2024年春节贺岁特展”开展
齐车公司产品试验室通过加拿大交通部集装箱冲击试验资质复审
晋商大院里的“百善壁”：不同字体写成365个“善”字
“With东城”亮相HICOOL2024全球创业者峰会释放“东城引力”
迎峰度夏打出“科技牌” “虚拟电厂”助力电力供应有保障
得了甲流还会得乙流吗？
五连胜！中国U17女排强势晋级世锦赛四强
妓女 奶头 裸体巨乳能出奶
国产美女被操网站
在线天堂黄色三级电影
日本厕所偷拍拉屎大便
女性坐骑人脸尿了还能活几天
色色色网
美女作爱视频在线观看
白白免费视频观看首页
韩国无码三级
周淑怡AI可冲
闽公网安备 35010302000113号