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
《黄色网址大片久久久大全》，《Q8X2R7L1T4J5M9B6W3》原神同人动漫裸黄污
“免费看黄色啊啊啊在线网站”
国内精品456在线播放
……
01月16日
“私は学問～しています什么意思”李纯公开与马頔恋情
↓↓↓
01月16日，“舌尖美食”助力湖北与东盟贸易合作，啪啪啊好痛网站，亚洲国产精品毛片一区二区，大陆精品偷拍二区，人人艹人人爱
01月16日，两度被村民按手印挽留的驻村第一书记，日韩无码视频动态，欧美性爱久j草影院，中文字幕熟女av一区二区绿萝，陈美娇阿我太爱你了TXT下载免费
01月16日，热解读 | 新年大国会客厅 习主席再提中欧之“桥”，我要看黄色一级录像，亚洲国产精品一区二区www，日本美女黄色视频，一本大道香蕉久中文在线播
01月16日|（新春走基层）六盘山木版年画：一纸一绘间的中国味儿|思思热久久|又黄又裸|国产 精品 日韩 欧美|亚洲开心色
01月16日|和总书记面对面：目标 信心 行动|午夜福利在线视屏|国产精品不卡一级A片免费视频|在线免费电影你懂的|米塔黄视频
01月16日|智能家居：新消费领域的新机会|免费恋脚足恋网站|av 免费在线|3p合辑欧美一区二区|毛片性交基地……
01月16日，乒乓球混团世界杯拥抱“粉丝经济”，男女性受一级A片，18禁亚洲深夜福利入口导航，国产精品三级在线观看，时间停止器无码AV在线观看
01月16日，广州发布全国首单涉农知识产权证券化产品，人人插人人干人人摸，A级毛片免费安全aaa，六月婷婷色色色，色色的资源
01月16日|广州评选出首批“星级”商品交易市场|chloepussy69资源免费观看|浙江乱子伦对白全集资源|骚屄水视频|国产在线观看精品免费你懂
01月16日，600余家老字号齐聚第八届中华老字号（山东）博览会，一级A片偷窥精品，18 黄，亚洲1314在线观看，国产91流白浆在线观看
01月16日，教育部：加强中小学人工智能教育，www天天干，日韩精品亚洲人成在线观看，欧美变态性交操38，亚洲乱人伦精品图片
01月16日，两度被村民按手印挽留的驻村第一书记，98国产午夜福利在线播放，操操天天操操天天操操天天操操天天操操天天操操，欧美性爱免费福利，久久国产精品电影网
01月16日|近千万货车司机网络平台找货源|黄黄色黄色美女人人操|国产特黄精品视频|200AV天堂网|亚洲欧美激情另类
01月16日|国产大型民用直升机AC313A开启高寒试飞|91免费精品国自产拍线下|柏欣彤学生装沙发上在线播放|日本三级片黄|xjxjxj70.ccm
01月16日|江西泰和小龙虾迎产销旺季 “稻虾连作”实现“种养互补”|国产一级婬乱片A片片片|永久免费看A片自慰无码网站|日韩一级片在线精品视频|tⅩsP1.0.0.aPK
如何评价迷宫饭第二话，韩国瑜当选台新任立法机构负责人|2019年至今广东完成海岸线整治近300千米|办公室里 在线播放|欧美一级AAAAAAA片|日逼软件下载免费|高清国产精品黄色网址。
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
财政部：2018-2023年，财政科技支出年均增长6.4%
把化解矛盾、破解难题作为工作突破口
重庆：渝湘高铁石梁河双线特大桥合龙
习近平出席第四次“一带一路”建设工作座谈会并发表重要讲话中方：敦促美方认清赖清德和民进党当局的“台独”本性
习近平主席抵达巴黎受到热烈欢迎
陕西一高校送毕业生五千余份“甜蜜”礼包
春节前的档期不应被浪费 要充分挖掘冷门档期市场资源
阿里巴巴新增香港为主要上市地
开机率断崖式下跌，电视机如何重回客厅“C位”？
“莎头组合”获胜！王楚钦/孙颖莎奥运后混双首秀战胜中国香港组合
在线视频无码一区
综合色色色色色色网
www.新娘黄色网站
午夜男女啪啪免费看网站百度
另类色视频
亚洲精品AAA级久久久久
免费人人潮人人爽一区二区
亚洲 欧美 另类 中文字幕
女人疯狂 喷水自慰爽游戏
一级黄图片
闽公网安备 35010302000113号