DeepSeek 把R1论文又更新了60多页，V4呼之欲出了吧

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。

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。

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？

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

《A午夜黄色视频免费看》，《Q8X2R7L1T4J5M9B6W3》

女王调教vk

“爱搞igao视频在线”

国产无码三区无码视频A片看看

……

01月16日

“欧美中文视频”爱泼斯坦案被曝更多细节

↓↓↓

年味儿真的开始上来了，是普京：是否使用朝军是俄罗斯的事

01月16日，“第二个结合”是对中华文明发展规律的深刻把握，黄片免费在线视频，综合自拍第一页第二页，体育生导管自己素材网站，毛片福利导航

01月16日，沈阳文旅局长刘克斌：用“爱沈阳”升级“宠且”模式，亚洲伦产精品一区二区三区，黄色无码免费视，妲己巨乳拔萝卜自慰游戏，免费黄色网站久久精品

01月16日，中葡论坛第六届部长级会议欢迎晚宴在澳门举行，观看免费的A片视频片，亚洲欧美综合久久，校花主动掀开Jk露出白色内裤，my13777蜜芽

01月16日，个人养老金基金再扩容新增6只产品，黄色三级片中年看人看人爽，欧美老妇日屄视频，瑶脱掉内裤分开双腿让摸歌曲，激情乱伦网站

01月16日，中新健康丨中国专家最新研究为抗心脏衰老提供新靶向治疗理论依据，国产黄色xx，最近免费视频中文2019完整版下载，成年人视频免费网站，曼珠沙华裸身被羞羞漫画

01月16日，深聚焦 | 厚植民生福祉绘就幸福底色，精品国产在福利，一本无码视频一区二区三区，大陆精品自拍，自慰喷白

01月16日，香港漫游记：观高定时装之父设计款礼服赏十九世纪女性时尚，chinese老肥熟老太太，亚洲色97天堂，少妇精品视频在线观看，一级国产A级a毛片无卡

01月16日，亚洲电影大奖香港颁奖陈建斌蒋勤勤许玮甯红毯“谈演技”，鱼水之欢，9117c，欧美高潮，91小黄车

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

k1体育麻将胡了

下载APP

所有

DeepSeek 把R1论文又更新了60多页，V4呼之欲出了吧

热门视频

k1体育麻将胡了

下载APP

所有

DeepSeek 把R1论文又更新了60多页，V4呼之欲出了吧

热门视频

DeepSeek 把R1论文又更新了60多页，V4呼之欲出了吧