猫眼影戏
 |
|
猫眼影戏
杜峰
手机审查
猫眼影戏记者 比尔·凯勒 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：淫乱新春2完整版
??01月14日,中华文化圈粉记｜一个美国人在江南水乡办起博物馆,
少妇眼中猖獗 ，越发确定 ，这样做值得 ，哪怕被发明 ，被整理 ，但只要植入毅儿体内也值了 。这块至尊骨才最先生长 ，就已经有这般威势 ，若是未来生长好 ，那还了得！
,姐姐帮你设官方版下载 。??01月14日,台媒看大陆：云南大理永平黄焖鸡万店飘香,
作为中国人 ，我们不可遗忘这段历史 ，这段厚重的历史纪录了中华民族百年的屈辱 。作为新世纪的中国青年 ，我们更应该切记这段历史 。由于我们肩负着民族壮大 ，祖国昌盛郁勃的伟大历史使命 。作为实验中学的莘莘学子 ，我们务必切记这段历史 ，起劲学习 ，高昂有为 ，为把我校打造玉成市一流的实验中学而起劲 。
,78w78w飞机,中文字幕免费乱伦视频,日韩一级欧美一级有码 。??时势2：A毛片免费播放入口
??01月14日,广东高院发布“促进新质生产力发展”知识产权保护典型案例,
现场一片悄然 ，剩下的人全都僵在了那里 ，头皮发麻 ，这还怎么打 ，谁是敌手？冲上去全都要亡啊 。
,亚洲欧美另类在线视频,在线看视频看免费黄片,亚洲国产欧美精品 。??01月14日,朝鲜劳动党中央委员会政治局决定召开八届十一中全会,
金翅大鹏对决神明 ，能有几人见到？这样的图录一出 ，足以惊世 ，是能手求之不得的瑰宝 ，不限于人类 ，各大种族皆盼愿获得！
,中文字幕强奸乱,国产性爱在线观看,黄色视频久久7 。??时势3：插女生视频
??01月14日,贵州册亨：溶洞图书馆 书香山村,
同志们 ，我们是一支有素质、有文化的步队;是有凝聚力和战斗力的步队;是能打硬仗、打胜仗的步队 。一年之际在于春 ，现在 ，年的冲锋号已经吹响 ，展示风范的战场已经洞开 ，列位想做事、能做事、干成事的勇士们 ，希望你们珍惜今天 ，妄想好明天 ，在各自的岗位上 ，各展所长 ，恣意施展 ，用我们勇猛精进的精神、敢于挑战的精神、顽强拼博的精神来迎接~~~~ ，展示出我们的市政精神 ，希望到年终开庆功会的时间 ，在座的列位都榜上著名 。
,欧美黄色视频电影,亚洲日韩射操操,好操爽还要在线播放 。??01月14日,新党主席吴成典：统一是出路 “台独”是绝路,
“你们……太欺压人了！”鼻涕娃带着哭腔 ，明确了眼前的时势 ，石村挡不住这些人 。
,视色av,尿孔 灌 电击 调教视频,freesextv 。??时势4：第四色色色色
??01月14日,江西彭泽：野生梅花鹿母子亲密互动,
最后请各人请记着一句诗：无限景物在险峰!相信自己 ，一定能创立绚烂!
,亚洲欧美色图在线,欧美老妇操逼片,男女一边摸一边做爽视频 。??01月14日,从水体污染严重到生态旅游区！长江禁捕三年，这里发生大变化→,
尊重的家长、学校向导、先生 ，亲爱的同砚们：
,国产丰满大乳在线观看,大乳奶头晃着喷奶水H男男动态图,精品视频在线观看视频 。【中国正能量｜徐丹：纪录片在互联网广泛传播必须具有新媒体特性】
责编：董传同
审核：熊渤
责编：吴律师
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
