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
《黄色网站在线免费高清看》，《Q8X2R7L1T4J5M9B6W3》国产色欲潮水喷浆A片视频
“Fuck XXX furry本子”
国产精品国产三级专区第1集
……
01月16日
“插插久久”巴萨0-1皇社七连胜终结
↓↓↓
01月16日，5月中国国家铁路发送货物3.37亿吨，免费黄片视频在线看，毛片a在线，免费播放一级毛片一区二区，春药が强に媚薬できれたことを
01月16日，古城西安迎瑞雪 民众冒雪钟鼓楼“打卡”，东欧美一级A片刺激高潮，国产港台欧美性爱大片，欧美一级A片免费观看看，美女一级a片免费视频
01月16日，活力古镇 古籍焕新……春天里的文化中国“生机勃勃”，欧美一级A片免费直播视频，黄片在线免费看免费看免费在线看，色色偶夜夜，女列车员的婬荡生活
01月16日|【冰雪春天】AI眼中的中国｜和国宝熊猫“开开”“心心”上冰雪|18岁禁看性爱视频|亚洲Aⅴ天堂Av天堂无码久久|白白在线视频|欧美性交自慰中文色图
01月16日|北京市属公园将推出80余项春节游园活动|18禁亚洲深夜福利入口导航|小 女女爽爽爆浆流水 91黄免费|欧美不卡视频|国产好爽免费视频在线观看
01月16日|山东日照举办高质量发展大会 92个重点项目现场签约|欧美精品一区视频|男人的天堂在线播放|玖辛奈裸体被 同人动漫爆乳雏田|老阿姨不戴套让我泄欲……
01月16日，一粒瓜子，何以成为新疆的名片？，亚洲国产精品无码久久久，亚洲色情综合小说图区，色色日本三级片网站，欧美激情 强奸轮奸 视频一区二区
01月16日，中国航天互联网卫星设计理念首度公开披露，色色色色AAAAAAA，班长被 到爽 流作文，wwwJapHD，一级黄色淫片
01月16日|（巴黎残奥会）中国体育代表团各项准备工作基本就绪|女校花脱👙给我揉🐻绑架|精品乱伦视频免费播放|久久这里只视频精品|久久久久精人
01月16日，中国杂技团摘冠第15届匈牙利布达佩斯国际马戏艺术节，日韓黃色錄像視頻免費看，女仆扒开腿让男生玩，色色色色色色男人视频网站，狠狠综合久久88亚洲喷潮
01月16日，新生虎宝宝！华南虎种群再添新“丁”，人人艹在线免费，刘钰儿光屁屁图片，free性摘花12sex，激情网址你懂的
01月16日，国产大型民用直升机AC313A开启高寒试飞，赵琳自我奖励，angelyeah成人抖音，国产美女脱光衣服叉开双腿被c，视频一区 亚洲
01月16日|美国警察暴力执法无法无天：去年杀害1232人，创10年来之最|屄视欧美|www.99日av.com|国产色噜噜噜在线精品|8i91.com
01月16日|探访山西两周精品文物展：展现晋国600多年历史|白白发布小明2024年发布计划|欧美 日韩 专区|欧美精品1级片。|久久精彩视频吗
01月16日|学习领会习近平总书记对政法工作的重要指示|国内精品产品站长工具|午夜操逼小视频|孕妇videos|huangse网站欧美
博主曝小西天保安大叔已辞职，若草物语——恋爱的姐妹和不恋爱的我|中办、国办：推进新型城市基础设施建设打造韧性城市|最新91地址|国产欧美一区二区|性交A A A一级黄色视频|帮妹妹疏通下水道 害羞草
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
“就业不要只看一线城市”是一种理性提醒
上期所：上市铅、镍、锡和氧化铝期权将进一步完善相关品种序列
“五一”假期金延安景区“文旅盛宴”吸引游人
（申城风景线）“沪语童谣班”寒假开班 上海家长为孩子“抢课”
国际专家：在实现“双碳”目标上，中国展现出了引领者的姿态和决心
“中华”酒领唱《我和我的祖国》，北京卫视“滚烫歌会”开唱
进一步提升互联互通机制效能 债券通公司服务费拟下调60%
（两会声音）中国大洋科考首位女首席科学家：加强自主创新 助力海洋强国
中上协：现有境外主要市场中国概念上市公司1685家
广东英德：部分乡镇内涝严重 已转移民众43869人
美国爱爱视频
日韩一级欧美一级做作爱片
色色色欧美视频
色色色免费色
中国美女普通话黄色视频
美女特一级毛片视频
免费九九视频
巨乳美女超贴近服务
怎样一直看国外A片
色妞精品视频一级
闽公网安备 35010302000113号