配资门户论坛
作者 | 陈骏达
编辑 | 李水青
昨晚，DeepSeek 再度开创历史！
智东西 9 月 18 日报道，9 月 17 日，由 DeepSeek 团队共同完成、梁文锋担任通讯作者的 DeepSeek-R1 推理模型研究论文，登上了国际权威期刊《自然（Nature）》的封面。
DeepSeek-R1 论文首次公开了仅靠强化学习，就能激发大模型推理能力的重要研究成果，启发全球 AI 研究者；这一模型还成为全球最受欢迎的开源推理模型，Hugging Face 下载量超 1090 万次。此番获得《自然》的认证，可谓是实至名归。
与此同时，DeepSeek-R1 也是全球首个经过同行评审的主流大语言模型。《自然》在社论中高度评价道：几乎所有主流的大模型都还没有经过独立同行评审，这一空白"终于被 DeepSeek 打破"。
《自然》认为，在 AI 行业中，未经证实的说法和炒作已经"司空见惯"，而 DeepSeek 所做的一切，都是"迈向透明度和可重复性的可喜一步"。
《自然》杂志封面标题：自助——强化学习教会大模型自我改进
发表在《自然》杂志的新版 DeepSeek-R1 论文，与今年 1 月未经同行评审的初版有较大差异，披露了更多模型训练的细节，并正面回应了模型发布之初的蒸馏质疑。
发表在《自然》杂志的 DeepSeek-R1 论文
在长达 64 页的同行评审文件中，DeepSeek 介绍，DeepSeek-V3 Base（DeepSeek-R1 的基座模型）使用的数据全部来自互联网，虽然可能包含 GPT-4 生成的结果，但绝非有意而为之，更没有专门的蒸馏环节。
DeepSeek 也在补充材料中提供了训练过程中减轻数据污染的详细流程，以证明模型并未在训练数据中有意包含基准测试，从而提升模型表现。
此外，DeepSeek 对 DeepSeek-R1 的安全性进行了全面评估，证明其安全性领先同期发布的前沿模型。
《自然》杂志认为，随着 AI 技术日渐普及，大模型厂商们无法验证的宣传可能对社会带来真实风险。依靠独立研究人员进行的同行评审，是抑制 AI 行业过度炒作的一种有效方式。
一、新版论文披露多个重要信息，R1 安全性获全面评估
在了解新版论文的变化前，我们有必要先回顾下 DeepSeek-R1 论文的核心内容。
DeepSeek-R1 的研究出发点，是当时困扰 AI 业内的一个重大问题。众所周知，推理能提升大语言模型的能力，但让模型在后训练阶段通过数据学习思维链轨迹，严重依赖人工标注，限制了可扩展性。
DeepSeek 尝试通过强化学习，让模型自我演化发展出推理能力。在 DeepSeek-V3 Base 的基础上，DeepSeek 使用 GRPO 作为强化学习框架，仅使用最终预测结果与真实答案的正确性作为奖励信号，未对推理过程施加限制，最终构建出 DeepSeek-R1-Zero。
DeepSeek-R1-Zero 通过强化学习成功掌握了改进的推理策略，倾向于生成更长的回答，每个回答中包含验证、反思和探索备选方案。
DeepSeek-R1-Zero 答题正确率随着推理长度提升，模型训练中总体回答长度也不断提升
DeepSeek 在 DeepSeek-R1-Zero 的基础上，采用多阶段训练结合 RL、拒绝采样和监督微调，开发出 DeepSeek-R1，使模型既具备强推理能力，又能更好贴合人类偏好。此外，团队还蒸馏出小型模型并公开发布，为研究社区提供了可用资源，推动思维链推理模型的发展与应用。
除了上述主要科研成果外，在最新版的论文和其他材料中，DeepSeek 新增了不少补充信息，让外界更深入地了解到模型训练和运作的细节。
基准测试数据污染是一个极为敏感的问题——如果厂商在训练时有意或无意包含了基准测试和相关答案，就很有可能导致模型在相关测试上的得分异常偏高，影响基准测试评分的公正性。
DeepSeek 透露，为了防止基准测试数据污染，其已对 DeepSeek-R1 的预训练和后训练数据都实施了全面的去污染措施。以数学领域为例，仅在预训练数据中，DeepSeek 的去污染流程就识别并删除了约六百万条潜在文本。
在后训练阶段，数学相关的数据均来自 2023 年之前的竞赛，并采用与预训练相同的过滤策略，确保训练数据与评测数据完全不重叠。这些措施保证了模型评测结果能够真实反映其解决问题的能力，而非对测试数据的记忆。
不过，DeepSeek 也承认这种去污染方法无法完全防止对测试集的改写，因此在 2024 年之前发布的部分基准测试仍可能存在污染问题。
DeepSeek 还为 DeepSeek-R1 新增了一份全面的安全报告。报告提到，DeepSeek-R1 在服务部署中引入了外部风险控制系统，不仅可以基于关键词匹配识别不安全对话，还使用 DeepSeek-V3 直接进行风险审查，判断是否应拒绝响应。DeepSeek 建议开发者在使用 DeepSeek-R1 时，部署类似的风险控制系统。
在公开安全基准测试和内部安全研究中，DeepSeek-R1 在大多数基准上超过了 Claude-3.7-Sonnet、GPT-4o 等前沿模型。开源部署版本的安全性虽不及具备外部风险控制系统的版本，但仍拥有中等水平的安全保障。
DeepSeek-R1 发布之初，曾有传闻称该模型使用了 OpenAI 的模型进行蒸馏，这也出现在审稿人的提问中。
对此，DeepSeek 做出了正面回应，称 DeepSeek-V3-Base 的预训练数据全部来源于网络，反映自然数据分布，"可能包含由先进模型（如 GPT-4）生成的内容"，但 DeepSeek-V3-Base 并没有引入在合成数据集上进行大规模监督蒸馏的"冷却"阶段。
DeepSeek-V3-Base 的数据截止时间为 2024 年 7 月，当时尚未发布任何公开的先进推理模型，这进一步降低了从现有推理模型中无意蒸馏的可能性。
更重要的是，DeepSeek-R1 论文的核心贡献，也就是 R1-Zero，不涉及从先进模型进行蒸馏。其强化学习（RL）组件是独立训练的，不依赖于 GPT-4 或其他类似能力模型的输出或指导。
二、R1 论文开创大模型科研新范式，《自然》盛赞其填补空白
在社论中，《自然》详细地分析了 DeepSeek-R1 经历完整同行评审流程，并登上期刊的价值。
大模型正在迅速改变人类获取知识的方式，然而，目前最主流的大模型都没有在研究期刊中经历过独立的同行评审，这是一个严重的空白。
同行评审出版物有助于阐明大模型的工作原理，也有助于业内评估大模型的表现是否与厂商宣传的一致。
DeepSeek 改变了这一现状。DeepSeek 在今年 2 月 14 日将 DeepSeek-R1 论文提交至《自然》，而直到 7 月 17 日才被接收，9 月 17 日正式发布。
在这一过程中，有 8 位外部专家参与了同行评审，对这项工作的原创性、方法和鲁棒性进行了评估。在最终发布的版本中，审稿报告与作者回复都被一并披露。
智东西也深入研读了 DeepSeek-R1 论文的审稿意见与作者回复。这份文件长达 64 页，接近论文本身篇幅的 3 倍。
DeepSeek 同行评审材料封面
8 位审稿人共提出上百条具体意见，既包括对单词单复数等细节的修改，也涵盖对论文中将 AI "拟人化"的警示，以及对数据污染和模型安全性问题的关注。
例如，在下方修改意见中，审稿人敏锐地捕捉到了"将 DeepSeek-R1-Zero 开源"这一表述的模糊性，并提醒 DeepSeek，"开源"这一概念的界定仍存争议，在使用相关表述时需要格外注意。
这位审稿人还要求 DeepSeek 在论文中附上 SFT 和 RL 数据的链接，而不仅仅是提供数据样本。
一位审稿人的部分修改意见
DeepSeek 认真回应了审稿人提出的每一个问题，前文提到的多个章节与补充信息，正是在审稿人的建议下新增的。
虽然 DeepSeek 也曾在今年 1 月发布 DeepSeek-R1 的技术报告，但《自然》认为，此类技术文档与实际情况之间的差距可能很大。
相比之下，在同行评审中，外部专家并不是被动接收信息，而是能够在独立第三方（编辑）的主持和管理下，通过协作提出问题，并要求论文作者补充信息。
同行评审能够提升论文的清晰度，并确保作者对其主张作出合理的论证。这一流程并不一定会对文章内容带来重大修改，但却能增强研究的可信度。对 AI 开发者而言，这意味着他们的工作会更为扎实，并更具说服力。
结语：DeepSeek 开源模式或成行业典范
作为国产开源 AI 模型走向世界的代表，DeepSeek-R1 在全球开源社区拥有极高的口碑。而在本次登上《自然》杂志封面后，DeepSeek 又补充了这一模型的更多信息，为开源社区提供了科研参考、模型复现思路以及应用支持。
《自然》杂志呼吁更多的 AI 公司将其模型提交给同行进行评审配资门户论坛，确保其声明经过验证和澄清。在这一背景下，DeepSeek 的开源模式不仅展示了国产 AI 的技术实力，也有望成为全球 AI 行业在科研透明度方面的参考典范。
申宝配资提示：文章来自网络，不代表本站观点。
