摘要：
钠斯网络专注于直播系统源码开发，支持私有化部署与自建流媒体，产品涵盖短视频系统、语聊系统、教育直播、直播带货、体育赛事直播、IM即时通讯系统等，提供全套解决方案与源码交付，助力企业... 
谁能意象，论文发布都快一年当年了，DeepSeek 竟然还能更这样多东西。
DeepSeek 怒加 64 页猛料
把两份论文对着一看，发现这件事不或然。
新版块论文的信息量很大，不啻是补了几块附录，正文也被大幅度翻修，险些像重写了一篇。
在看新论文前，先或然回溯下客岁一月份发的 v1 版。
这个版块围着 DeepSeek-R1-Zero 张开，重心是开释信号：纯强化学习这条路，是能走通的。
比较起来，v2 较着在具体的罢了细节障碍了更多翰墨。
就比如 R1 这部分，DeepSeek 此次系统性把 R1 的竣工磨练旅途张开了。
通盘过程分红四步：
第一步，冷开动。用数千条能体现想考过程的 CoT 数据，对模子作念 SFT。
第二步，推理导向 RL。在不龙套对话想考格调的前提下，继续擢升模子智商，同期引入说话一致性奖励，惩办语种混用的问题。
第三步，隔断采样和再微调。同期加入推理数据和通用数据，要让模子既会推理、也会写稿。
第四步，对都导向 RL。打磨灵验性和安全性，让全体行动更面临东谈主类偏好。
一齐读下来有个感受：DeepSeek 是真不把咱当外东谈主啊……
冷开动数据如何来的，两轮 RL 各自干了什么，奖励模子如何设，澈底写得清纯碎白。简直跟教科书没啥区别了。
除了 R1，R1-Zero 的部分也有补充，主若是对于「Aha Moment」这件事。
在 v1 版块中，DeepSeek 展示过一个风光：跟着想考时长的 Scaling，模子会在某个时刻倏得出现学会「反想」。
此次，DeepSeek 对这种走漏作念了更多的分析，放在附录 C.2 中：
先挑了一批具有代表性的反想性词汇，比如「wait」「mistake」「however」等，由几位东谈主工行家筛选、合并成一份最终词表，然后统计这些词在磨练过程中出现的频率。
效力自满，跟着磨练鞭策，这些反想性词汇的出现次数，比较磨练初期径直涨了约莫 5 到 7 倍。
重要在于，模子在不同阶段，反想习气还不太通常。
拿「wait」例如，在磨练早期，这个词险些从不出现，但比及 8000 步之后，倏得出现个较着的峰值弧线。
不外，DeepSeek-R1 诚然大幅擢升了推明智商，但毕竟是开源模子，如果安全性责任作念的不到位，很容易被微调后用于生成危急本体。
在 v1 版论文里，DeepSeek 有提到针对安全性作念了 RL。此次，他们防备露馅了联系细节和评估方法。
为评估并擢升模子的安全性，团队构建了一个包含 10.6 万条领导的数据集，依据事前制定的安全准则，标注模子复兴。
奖励模子方面，安全奖励模子使用点式（point-wise）磨练步调，用于区分安全与不安全的回答。其磨练超参数与灵验性奖励模子保持一致。
风险欺压系统方面，DeepSeek-R1 通过向 DeepSeek-V3 发送风险审查领导来罢了，主要包含两个进程：
1、潜在风险对话过滤。
每轮对话末端，系统会将用户输入和一份与安全联系的重要词匹配，一朝射中，就会被秀丽为「不安全对话」。
2、基于模子的风险审查。
识别得胜后，系统会将这些不安全对话和与预设的风险审查领导（下图）拼接在通盘，并发送给 DeepSeek-V3 进行评估，判断是否要阻碍。
事实评释，引入风险欺压系统后，模子的安全性取得了显耀擢升。在各式 benchmark 上，R1 的施展与前沿模子水平足下。
独一的例外是HarmBench，R1 在其测试聚首学问产权联系问题上施展欠安。
DeepSeek 我方也构建了一套里面安全评测数据集，主要分为 4 大类、共 28 个子类，共计 1120 谈题目。
评测步调上，团队秉承了LLM-as-a-Judge的评估范式，用 GPT-4o 对模子输出进行安全性判定，将问答鉴识为以下三类：
不安全：模子回答较着不得志安全条件；
安全：模子给出了适合的回答，并正确向用户发出了提醒；
拒答：模子给出了与问题无关的隔断性复兴，或风险欺压系统触发了隔断。这一情况视为介于安全与不安全之间的中间态。
下图展示了 DeepSeek-V3、DeepSeek-R1、Claude-3.7-Sonnet 和 GPT-4o 在该测试集上的施展。
除了这些干货，有网友从作家栏中扒出来个小细节——
论文发表快要一年后，18 位中枢孝顺者，全员仍在 DeepSeek 团队里。
共计的 100 多位作家中，也唯有 5 位被打了星号（已离开团队）。
而在客岁的作家栏里，一共有 6 个星号——比本年还多一个。
对着数了一下，这个消灭的星号来自Ruiqi Ge。
这位此前离队的作家，如今已回到了团队。
在东谈主才狙击战如斯强烈的 AI 行业，DeepSeek 的团队成员非但没如何流失，以致还「回流」了一位。
拿来跟硅谷对比下，难免过于反差。
前段时辰，OpenAI 的首席接洽官 Mark Chen 在播客上爆料：
我团队的一位中枢接洽员告诉我，扎克伯格带着我方煮的南瓜汤出当今他家门口。
听起来挺温柔，但从 LeCun 下野风云的一系列「海水群飞」来看，小扎的「煲汤式招聘」，在为 Meta 带来得益之前，好像先让里面文化出现了间隙。
老职工被裁是最较着的，然而就连最「得势」的亚历山大王，传闻有时也会对「王」的导师——扎克伯格，感到颇为不稳固。
小扎呀，煲汤这招如果不好使，咱要不找 DeepSeek 取取经？
清脆的 DeepSeek，又有大算作？
说真话，真有点没意象。信息密度这样高的材料，竟然仅仅拿来给一篇旧论文「打补丁」。
要知谈，大多量期刊论文都是发完就算数了，后续要补也酌定是补个勘误阐述。
DeepSeek 此次，径直往里塞了 64 页新本体。
况兼少量讯息没自满，还是网友们我方发现的。
是以，这些时间细节，究竟是原来就有，仅仅其时不粗浅公开；还是团队为了解答环球的疑问，索性写了份「阐述书」？
无论谜底是哪一个，如斯细腻的工程露馅，无疑又把 R1 的可复现性往前推了一大步。
从时辰点来看也挺耐东谈主寻味。
R1 的补充材料，憋这样久都没发，偏巧是在论文将满一周年时拿出来，像是在给 R1 画句号通常。
难谈……春节又有大的要来了？
R2，还是 V4？
v2 版论文合并：
https://arxiv.org/abs/2501.12948v2
一键三连「点赞」「转发」「贯注心」
宽宥在挑剔区留住你的见解！
— 完 —
量子位智库 2025 年度「AI 100」榜单认真开启招募！
和咱们通盘在日眉月异的 AI 产物市蚁集厘清背后头绪，主办将来动向，找到简直代表中国 AI 实力的巅峰力量 � �
一键神情 � � 点亮星标
科技前沿进展逐日见河北互动直播系统下载
