猫眼影戏
 |
|
猫眼影戏
华金生
手机审查
猫眼影戏记者 阿庆 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：黄色毛片网站视频
??01月15日,重庆坠亡姐弟母亲：孩子们可以安息了,
有一个小学生在《中国情形报》上揭晓了一首题为《邮展》的诗歌，诗中这样写道：节日到了，先生让我们举行邮展，叫爸爸妈妈来旅行/我想展出威武的老虎/老虎正面临全体殒命/我想展出绿色的森林/一片片森林正酿成一片片木桩/我想展出漂亮感人的海滩/海滩上飘来了垃圾和油浆/我想展出生气勃勃的春天/春天里的汽油味已经取代她的花香/我想展出清亮的山涧/强是爸爸妈妈们，你们还记得清亮是啥容貌/……/于是，我展出了我所有的邮票/然后，一笔一笔用力写上：漂亮的地球我们的家/我们都要；に 。
,少妇被c 黄 在线网站坎贝奇 。??01月15日,【滔滔两岸潮】台湾“小豌豆”南昌成长记：冀架起两岸青少年交流桥梁,
“那好吧，我让人去抬黄金狻猊、离火宝角、恶魔猿王臂，就在今日举行吧！”石云峰郑重地做了决议 。
,在线免费观看黄A片网站,www.樣,旅行射 。??时势2：人成网免费视频观看
??01月15日,西藏拉萨：植树添新绿 不负好时光,
(四年级全县第 ，上几期逐渐下降——意志不强)
,人操人人操人操,人禽H交另类重口刺激,青青免费三级片 。??01月15日,“线条与哲思重构的自由：吉狄马加的另一个世界”展在蓉开展,
“大婶，我们赶忙走啦 。”小不点提醒 。
,尤物视频网站入口,偷拍视频免费,色多多污污在线观看AV污污 。??时势3：骇爪被
??01月15日,青海拉脊山“凶萌”藏狐踏步独行,
“若是是假话，那么就没有这些利益了，听说还；岜恢氐恪展恕，举行一些‘特殊的’磨砺 。”旁边的人增补 。
,99riav3,羞里番,校花被操 。??01月15日,江南华南强降水显著减弱 贵州广西等地多阴雨对流天气,
清静事情是我校事情的重中之重，通过讲座，同砚们熟悉到清静事故的教训是深刻的，“千里之堤，毁于蚁穴”，任何事情我们都要从阵势出发，从小处着想，生命无法重来，清静不可期待 。
,欧美人又色又爽的A片,亚洲人妻系列,人人插人人射人人摸 。??时势4：麻豆人妻
??01月15日,这就是奥运精神！何冰娇带西班牙徽章领奖致敬对手,
辩护后，若是再举行量刑辩护的话，那么是会影响减刑的 。关于举行无罪辩护，那么建议当事人选择专业的状师，事实关于执法来说，作无罪辩护的选择是一种很危险的行为，可能会直接影响着涉案人员接下来的量刑，若是再举行量刑辩护，那么减刑的可能性险些没有了 。 一样平常说来，在中，辩护人都有个两难选择，也就是辩护战略的制...
??01月15日,《黑神话：悟空》“带火”陕北说书 游戏原唱表演引围观,
捡到这样一头生灵，自然不可在战场上感悟了，小不点与揪着金色圆球的尾巴，坐在紫云的背上，冲向石村 。
,乱论自拍,青草久久AV,乌克兰X××xx××××××xXXXXX 。【外国驻蓉领事机构官员看四川“两会”：见证四川发展 把握合作机遇】
责编：万静
审核：佘新龙
责编：马偕
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
