猫眼影戏
 |
|
猫眼影戏
李叶青
手机审查
猫眼影戏记者 关进放 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：差差答答网站在线打开直接观看网页版
??01月16日,【巴黎奥运会】刘洋谈体操团体赛遗憾：非常愧疚没有为队友分担更多压力,
一是学风不浓。现在我们天下上下正为着重打造学习型社会而起劲，各级党政主要向导一再强调增强学习的主要性。要求我们下层干部必需增强党的目的、政策的学习，增强对市场经济的学习，增强对科学知识的学习，而在我区上下，学习民俗不是很浓，尤其是我们的一些同志整天围着杯子转、围着牌桌转，围着鱼杆转，有的甚至围着裙子转，不思学习，不想学习。整天无所事事，终日无所作为，相反，对社会上的一些无聊的工具，好比千变万化的麻将扑克新赌法，飞来飞去的黄色短讯，我们一些干部倒是学得很快，一看就懂，一学就会。我说这些人心事都没有用在正经的学习上面，大宗的时间被铺张了。他们对党的目的政策明确不透，对新知识、新履历一知半解，对新问题、新情形麻木不仁，造成的直接效果就是素质很差、眼界狭窄、境界低下、头脑守旧，不可很好地完成党和人民交给的使命。当今时代知识奔流，信息麋集，科学手艺迅速转化为生产力，知识经济越来越直接地融化为综合实力。我们若是不学新知识，不学人家的先进履历，没有与时俱进、开拓立异的精神，面临新形势、新情形、新问题，便会一筹莫展，不知所措，干不可大事业。
,狼友www网址。??01月16日,兰州榆中手艺人揉面团捏“手办” 精细到树叶纹路,
(2)中秋时代，街上游人较多，尤其是有文艺演出活动时，同砚们要注重远离职员麋集的场合，阻止拥挤和践踏事务的爆发。
,国产精彩视频一区二区三区,▇▇▇▇▇▇的英文怎么写,女刑警被 虐乳高潮在线观看。??时势2：亚洲欧美中文字幕在线秋霞
??01月16日,巴基斯坦“读懂中国”论坛理事长：全世界都在用“中国制造”,
小不点怀揣着四灌宝血，心中美滋滋，他已经弄明确了珍血的妙用，若是服用，可强壮精神力，回到现实天下后，还能由精神而肉体，进一步滋养。
,色综合天天视频在线播放,t . p e p . c o m . c n / x j c q 2 0 2,淫乱色情网。??01月16日,接力护绿41年——探访亚洲最大白梭梭林保护区,
各人好！今天，是个难忘的日子，对在场结业生来说，更是一个值得铭刻的日子。在此，我仅代表届全体结业生向母校，先生致以最真挚的谢谢！
,导航黄色永久免费网站,人人操人人操人人添,国产在线激情免费视频。??时势3：在线国产强奸
??01月16日,探访小龙虾市场：大量上市致价格走低 “个头”仍是硬指标,
银月阴晦，小不点被逼倒退。
,国产精品推荐久久久,尸交XXXXⅩhID乱,欧洲v黄色网站。??01月16日,海南五指山发现新记录物种三丝水玉杯,
山峰落下，压盖灵湖上方，所有人都心惊，这是谁，竟云云强势？同时镇杀所有人！
,男人的 伸到 涩涩91成人,日屄屄视频,一级黄大片区美久久久久。??时势4：国产门事件
??01月16日,【理响中国】新一轮全面深化改革的时代要求,
煮熟与烧烤的肉只是一小部分，更多的肉与骨要配合老药一起炼掉，那样效果更佳，所有族人都将受大益，体质必定会提升一大截。
,91久久精品无码一区二区毛厂片,国产精品视频第一,亚洲熟女另类久久久久。??01月16日,新闻观察丨加沙地带停火谈判为何难以取得成果？,
最后，希望通过这次培训，同志们真正能够实现看法上有新生长、作风上有新面目、能力上有新提高、事情上有新效果。强化居安思危的意识，形成艰辛斗争、真抓实干的作风，形成团结协作、争创一流的作风，以越发兴旺的斗志、越发科学的态度，乘势而上，拼搏进取，为千人桥的建设事业，为人民的富足安康，松手大干，立功立业，创立新成绩，铸造新绚烂!
,国产按摩在线,欧美性潮喷 ╳ ╳,91自啪区a。【丹江小三峡特大桥开始主跨钢箱梁施工】
责编：刘元旭
审核：宋怀宇
责编：褚英娣
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
