猫眼影戏
 |
|
猫眼影戏
特拉玛依
手机审查
猫眼影戏记者 张诗群 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：大香蕉视频一区二区三区
??01月15日,时政Vlog丨五星红旗飘扬，法国开启欢迎模式,
今天 ，我校盛大召开九年级结业班西席发动大会 。在此 ，我代表教育处向列位先生、列位致以敬意和体现衷心的谢谢 ，并请列位结业班先生将这份真挚的问候带给一直奋力拼搏、永不言败的九年级全体同砚 。
,中文字幕第一区二区 。??01月15日,形成新质生产力 激发湾区新动能,
“小不点 ，我们先走了 ，改天再来看你哦 。”
,男GayGays 免费,亚洲一级高清最黄色视频,91福利免费 。??时势2：国产精鲁鲁在线观看免费视频
??01月15日,强军的召唤 青春的选择——军队代表委员与基层官兵共话高素质兵员征集,
市、县(市)区档案部分认真组织学习宣传贯彻《中华人民共和国政府信息果真条例》 ，凭证《天下文明都会测评系统》的要求 ，起劲争取各级党委、政府支持 ，在建设党委、政府政务信息果真场合的同时 ，起劲自动做好政务信息的网络、保管和提供使用事情 。
,超碰插插,美女爽到高潮嗷嗷嗷叫免费视频,人人曰人人操曰 。??01月15日,这就是秘鲁丨这个“邻居”国家藏不住了！3分钟带你“穿越”古印加文明第十五届中国航展:市民游客雨中观展热情不减,
“差池呀 ，它的头不是白色的 。”鼻涕娃启齿 。
,欧美性爱大黑屌,欧美AAA级片,主人罚我把内裤夹在屁股里 。??时势3：葫芦影业一家三口女儿叫什么官方版下载
??01月15日,拜登称不支持“台独” 国台办敦促美方将表态落到实处, “台湾民意基金会”今日（6月18日）宣布最新民调 ，台湾地区向导人赖清德声望为48.2% ，相较上个月重挫 9.8 个百分点 。该基金会董事长游盈隆体现 ，在台湾 ，一个百分点代表 19.5 万人 ，10 个百分点代表近 200 万人 ，上任不到一个月 ，流失近200万人支持 ，是一个严重的警讯 。,97再线免费视频,偷拍不卡,铜铜铜铜铜铜铜铜好大好在在线观看中文版 。
??01月15日,重庆市秀山县妙泉镇原党委委员、武装部长、副镇长谢正兵被“双开”,
这些场景是云云的真实 ，一个又一个部落杀绝 ，所有人都被屠杀 ，尸横遍野 ，血色水洼随处都是 ，大地一片赤红 。
,磁力狗,羞羞.cOM,女生戳进去无遮挡 。??时势4：3344永久免费观看视频
??01月15日,湖北长阳现云海景观 云雾萦绕壮美如画,
这条蛟张牙舞爪 ，全身成灰褐色 ，古意沧桑 ，宛若从远古年月醒觉 ，跨越时空来参战！
,陆红孙子肖文笔趣阁,又爽又色高潮视频国产网站,日本中文字幕黄色网站 。??01月15日,广西打造多元消费场景 “五一”假期消费市场人气旺活力足,
小不点十分投入 ，废寝忘食 ，透亮的骨块历来就没有脱离过手掌 ，翻过来掉已往的研读 ，认真参悟 ，物我两忘 ，陶醉其中 。
,资质证书,A片特黄网站,秘 男男做羞羞视频agy 。【雨水送寒北方冷空气将至 台风“桃芝”影响华南地区】
责编：贾麦勒·马阿鲁
审核：吴焰谈
责编：白航亦
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
