猫眼影戏
 |
|
猫眼影戏
鲍勃·奥拉韦茨
手机审查
猫眼影戏记者 代晶晶 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：www.α片
??01月17日,安理会表决通过呼吁在加沙停火的决议：哈马斯回应积极 以色列立场混乱,
一、树立强烈的社会责恣意识 ，做一个及格的中学生 。一个只求小我私家索取不思社会贡献的人是没有希望的 ，若是一个民族国家的人都去这样做这个民族也是没有希望的 。中华民族向来就不乏“先天下之忧而忧后天下之乐而乐”的仁人志士 ，推动着中华民族的生生不息 ，今年是中国共产党建党九十周年 ，我们今天的幸福生涯就是无数个革命英烈用鲜血和生命换来的 ，他们就是我们的模范 。我们二十二中学的每一位同砚都要树立民族国家的责恣意识、学校主人的责恣意识、家庭未来的责恣意识 。热爱我们的国家、热爱我们的学校、热爱我们的家庭并为之生长全心勉力 。二、坚定一直前进的信心和刻意 ，通过不懈的起劲争取一直的前进 。新学期最先 ，当你们认真总结已往时 ，若是感受自己在以往的某些方面体现还不错 ，请你们在新学期再接再励 ，争取更大的前进;若是发明自己在某些方面保存一定的缺乏 ，不要气馁泄气 ，要有针对性地接纳步伐 ，纠正缺乏 ，学校和先生会一如继往地相信并支持你们 ，资助你们取得更多的生长和前进 。有了前进的信心和刻意就有了前进的动力 ，但仅有这种意识是不敷的 ，要害是要行动、要落实 。希望同砚们在先生和家长的资助下 ，进一步熟悉自己 ，确定自己在学习和生涯上经由自己起劲就可以实现的斗争目的 ，再制订出切实可行的实验妄想 ，这样就能在以后的学习生涯中学有偏向 ，赶有目的 ，终有效果 。三、注重一样平常行为规范的养成和生命清静的自护 ，让我们的生命历程绽放色泽 。好习惯决议好性格 ，好性格决议好人生 ，先生和家长都很体贴你们的学业生长 ，着实他们更关注你们的优异行为习惯的养成和你们的生命清静 。从小养成优异的生涯、学习、文明礼貌、自我治理习惯会让同砚们受益终身 。同时 ，同砚们还应深切感受到生命是优美的 ，生涯是多姿多彩的 ，而要拥有这一切的条件是清静 。只有善待自己的生命 ，才华享受生涯带给我们幸福和快乐 。同砚们 ，先生们：“一年之计在于春” ，让我们在新的一年里 ，振奋精神 ，高昂斗志 ，积贮所有的实力 ，以新学期为起点 ，认真、扎实、科学地走好每一步 ，以崭新的面目迎接每一个崭新的最先 。在此 ，我代表学校祝初三的同砚们掌握好人生的要害时刻 ，起劲拼搏 ，逾越自我 ，实现初中阶段的人生优化;祝初二的全体同砚 ，扎实进取 ，一直前进 ，形成优异的习惯并逐步掌握科学的要领 ，站稳步队 ，打牢基础;祝月朔的全体学生锐意进取 ，听从指挥 ，认真详尽地完成每一项使命 ，一直获取新的前进;祝全体教职员工事情顺遂、身体康健、家庭幸福 ，万事如意!
,亚洲欧美专区色多多 。??01月17日,这届年轻人，为什么迷上收集冰箱贴？,
??时势2：性XXXⅩ视频播放免费
??01月17日,国际识局：政府被议会推翻，总理将辞职，法国怎么了？,
每个班级的清静员要认真 ，班主任先生要指导学生事情 ，把各项清静都担负起来 ，下周我们学校举行统一的培训 。
,国产人成视频在线观看免费,黄片视频天堂2019免费看,性视频网站大全 。??01月17日,中国各地文旅借《黑神话：悟空》热度上演“七十二变”,
“再来！”小不点上前 ，再次脱手 ，他想试试对方的鳞甲是不是宝具 ，有没有作用 。
,中国XXXX69国产免费,:老太色HD老大爷色HD,黑人狂插日本人 。??时势3：日本色色资源
??01月17日,新疆赛里木湖冬日之约,
“欠好 ，快拦住他！”
,97人妻,日韩拳交xxxx,尤物视频网页入口 。??01月17日,山西古建筑100问——“千年府衙”督军府为什么曾长期是山西的政治中心？,
“这名字……”众人都是一呆 。
,国产欧美精品图片久久久,国产一级毛片不卡一区,欧美在线黄色视频 。??时势4：91禁🍆🍑🔞❌❌❌看片-91禁🍆🍑🔞❌❌❌...
??01月17日,盐城盐都启动红色寻访行动：挖掘百里长河两岸铁军故事,
狂风暴雨来袭时 ，小草就像是在为大地而歌 ，为天空而舞 。狂风显然是来者不善 ，它还痴心妄想将草儿连根拔起 。着实纤身细腰的小草早已在这场生死屠杀前备战已久;由于它时刻切记着大地交给它的绿色使命 。小草迎着风雨 ，忽而仰面挺胸 ，忽而摇摇晃摆 ，有如醉酒欢歌 ，随即大地上奏演了一场“劲草斗疾风”的赞歌 ？穹绫┯晖瞬蕉 ，心悦诚服 。雨后彩虹焕发七彩光线把小草身上的“珍珠”折射得越发璀璨……
,一本大道香蕉久在热线播放29,黄色视频免费在线观看网站,视频网站A片 。??01月17日,2024重庆·大足龙水湖马拉松鸣枪起跑 环湖赛道竞速吸睛,
“嗯 ，我知道 ，那些刻图太深奥了 ，还不是我能参悟的领域 ，一切逐步来就好了 。”小不点听从劝告 ，认真总结 。
,在线观看国产妓女影院,亚洲h一区综合在线观看,男女最猛烈XX00动态图 。【亿缕阳光丨置顶你的自信】
责编：闪成一
审核：何平
责编：保利刚
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
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
