猫眼影戏
 |
|
猫眼影戏
朴京林
手机审查
猫眼影戏记者 安格斯牛 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：丝袜美女被 羞羞网站
??01月17日,“丝路百城传”之《撒马尔罕传》图书发布会在京举办,
虽然不是遗种的宝骨 ，但这么一大包也算是无价之宝了。
,亚洲一区二区自偷自拍另类。??01月17日,博茨瓦纳感谢南非对复活节交通事故死难、幸存者的安置,
小不点急遽诠释：“柳神不要跟它盘算 ，它虽然是一头远古遗种 ，可是体内符文碎掉了 ，还可能遗忘了已往。”
,姐姐直播WWW,一看就湿无码视频 观赏网,林书辞在线观看免费高清完整版。??时势2：别 别插了 小揉(高c)
??01月17日,广东水利多举措迎战北江洪水,
小石昊听到新闻 ，一下子坐了起来 ，正悦目到这一幕。毛球挤眉弄眼 ，一脸自得洋洋 ，抱着那么大的一枚蛋 ，比它自己也不知道大了几多倍 ，显得很滑稽 ，开心的叫个一直。
,玖玖国产在线观看,国产一级毛片国产一级A片,乱插阴视频。??01月17日,广西贵港通报“一小学教师粗暴对待学生”：已对涉事教师停课处理,
(三)增强对村级干部培训 ，是为刷新和生长提供组织包管的需要
,91白虎蜜桃臀白浆喷射,欧美亚洲黄色片,国产精品 操。??时势3：日韩一级一欧美一级国产
??01月17日,中粮集团大悦城控股集团股份有限公司党委书记、总经理曹荣根接受纪律审查和监察调查,
这……着实令人心惊 ，难以置信。
,A片视频导航A,御手洗家在线免费观看,xfplay影音先锋av资源。??01月17日,香港商场“花样年花”贺岁龙年,
清早 ，一群孩子目瞪口呆 ，不注重的话还以为一头重大的猛兽朝着石村冲来了呢 ，细看的话 ，它离地而起 ，一直挣扎。
,国产视屏大全,小 插入,久999久免费视频。??时势4：欧美性爱网站地址
??01月17日,重庆市连续五天发布高温红色预警信号,
出乎他们的预料 ，小不点见到这群人后 ，双眼放贼光 ，允许的那叫一个愉快 ，此后嗖的一下子就已往了 ，颇有点上赶着倒贴的架势。
,一本一道日韩,在线观看久草视频,国产激情日韩精品无码。??01月17日,重庆运营“智油充”超级充电站 实现一杯咖啡满电出发,
百断山大乱 ，各地窜出许多凶兽、猛禽以及人形古生物全都戾气惊人 ，像是从地狱中闯出 ，张开血盆大口 ，杀向众人。
,久久久久久精品免费免费Weⅰ,国产在线无码全黄,黄色视频,黄色网站,黄色视频免费观看。。【【图解】利润增长17.1% 四方面看轻工业经济回升向好】
责编：姚舞云
审核：林佳跃
责编：程丽娜
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
鲁ICP备09023866号-1 鲁公网安备 37010202000111号
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
