猫眼影戏
 |
|
猫眼影戏
李巍
手机审查
猫眼影戏记者 王琪鹏 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：范冰冰演过三年级的电影
??01月15日,港中大举办科研学术考察 探讨如何助力国家创科发展,
以是，在一样平常的教学中，无论效果优劣，先生历来没有放弃过一个学生，都是在全心地教，耐心地讲，由于相信他们都是人才。家长们也许不知道这些，但许多次我都被先生身上的敬业精神和对学生的热爱深深地感动了。有的孩子语文基础差一点，我也总是语重心长地对他们讲，一篇课文若是背不了，一段一段背，一课词语默不了，脱离来，一行一行默。像熊佩瑶同砚基础虽然不是很好，但每次早晨我在课堂里她就自动来问我，刘先生我一段一段背行不，我连声说，行，行。这样的孩子不勉励她怎么行。像向文杰同砚，最先默写很难题，现在默写一课词语对他们来讲是一件很容易的事，并且特殊愿意默写词语，由于他有乐成的体验啊。这样的学生太多了，我是看着他们前进的，我们的家长也是看着他们前进的。我想，只要他们有信心，一天学一点，一天收获一点，一天生长一点，天天有前进，日日有收获，这就是的。我想问问各人，孩子们有这样起劲进取的精神，有这样乐观向上的态度，作为家长和先生的我们，尚有什么好担心的呢？还愁他们以后找不到事情，没有精彩的人生吗？以是，我们要以一万分耐心去指导他们，去勉励他们，去相信他们。
,angelyeah火影二创原版为什么没了。??01月15日,中国驻菲大使馆向营救中国公民牺牲受伤的菲国警表示哀悼慰问,
“”时期，我县城镇建设的使命很大，必需将谋划理念贯串于都会妄想、建设和治理的全历程，起劲探索都会资源营运的有用途径，多方筹措资金，加大城镇基础设施的投入。
,休内谢精一汇编5怎么写,精工厂网站www永久网站,AV黄色网站网址。??时势2：[汉化版]全彩漫画免费阅读kataokasan
??01月15日,10国留学生在重庆感受西部陆海新通道建设新貌,
即便云云，这块青石也显得极为惊人，小不点单臂一晃，别说这是一块青石，就是一块神铁也能拍烂？墒，他动用了十几万斤的惊世巨力，也执偾将青石拍裂开一道误差罢了。
,沙奈朵裸乳被 歪歪视频,国产精品一区二区久久,亚洲免费A清。??01月15日,台铁太鲁阁号脱轨致49死 台铁前局长、处长降级,
一念穿透荒宇，遨游太虚，筑起玄黄，横渡时间瀚海，无远弗届！
,jk女同打屁股 网站╳,华人导航,脱 让学生摸 手机VR游戏。??时势3：伊甸园 永久免费网站
??01月15日,【光明论坛】致力保护传承 绘就时代画卷,
应当充分肯定，地某地各级党委办公室的干步队伍总体上是好的。各人在恒久的事情中，体现出了高度的政治觉悟、严正的组织纪律、过硬的营业本事和优良的事情作风，树立了党委办公室的优异形象，赢得了各级党委和宽大人民群众的信任和洽评。这是我们已往事情取得效果的缘故原由所在，也是以后再接再厉、再创佳绩的希望所在。面临新形势、新使命的挑战，面临党委办公室事情仍然保存的问题和缺乏，更需要我们重视和抓好自身建设。各级党委要进一步熟悉办公室事情的主要性，切实增强对办公室事情的向导，周全增强步队建设，凭证“忠诚坚定、甘于贡献、清廉自律、营业精湛”的要求，起劲把办公室干步队伍建设成为一支政治强、营业精、作风硬、纪律严，能够经受种种磨练、切合新时期党的事业生长的要求、让党和人民知足的步队。
,巴巴塔奶球网战,欧美性爱交欧美性爱视频欧美性丿爱交视频欧美性爱交视频:欧美性爱交视频,91NYyy.com网址入口。??01月15日,ATP年终总决赛小组赛次轮：梅德韦杰夫、辛纳获胜,
会起诉。首先，我们需要明确的是，微粒贷作为一家正当的借贷平台，其逾期起诉流程是切合执法划定的。一旦用户逾期未还款，微粒贷会通过电话、短信等方法提醒用户尽快还款。若是用户仍然拒绝还款或者无法**到用户，微粒贷将会接纳执法手段追讨债务。随着互联网金融的快速生长，借贷平台成为了人们解决资金需求的主要途径。...
??时势4：高清视频日韩
??01月15日,风暴“伊莎”来袭 英国多地交通陷瘫痪,
四、在事情步伐上，突出要领立异
,最新6080午夜免费视频,广东少妇和黑人做爱,91三级片在线观看。??01月15日,云南牟定彝绣产业崛起 赋能乡村振兴,
各人好!我演讲的问题是：；ぷ约旱男拇啊劬。同砚们，6月6日被指定为天下爱眼日，这是为了让各人知道敬重眼睛的主要性。
,久久国产精品久久w,打屁股无遮挡秘 网站,狠狠色丁香婷婷潮喷。责编：裴文中
审核：杨光志
责编：张亮梳
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
