就在今天，DeepSeek 的大型语言模型 DeepSeek-R1 的研究成果，作为封面文章登上了国际顶尖科学期刊《Nature》。 和 OpenAI 那些动辄上千万美元， 这个只花了 30 万美元训练出来的国产 AI 模型 ，曾经不仅一度引发美股震荡，现在还登上了 Nature 的最新封面。 图片链接：https://www.nature.com/nature/volumes/645/issues/8081 Nature 封面评语 此次登上 Nature 封面的文章，是 DeepSeek 年初在 arXiv 公布的论文《DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning》，即 R1 的技术论文。 虽然大体上和年初那篇类似，但是补充了相当多细节。 论文作者名单，梁文锋是通讯作者 正文只有双栏 11 页，补充材料却来到了 83 页；而同行评审，就是审稿人与 DeepSeek 团队就论文某些问题进行讨论的记录（一般叫 rebuttal，反驳），也有 64 页之多。 这些新公开的资料，让我们看到了 De ...

DeepSeek-R1包含一个在人类监督下的深入训练阶段，以优化推理过程。梁文锋团队报告称，该模型使 用了强化学习而非人类示例来开发推理步骤，减少了训练成本和复杂性。DeepSeek-R1在被展示优质的 问题解决案例后，会获得一个模板来产生推理过程，即这一模型通过解决问题获得奖励，从而强化学习 效果。团队总结说，未来研究可以聚焦优化奖励过程，以确保推理和任务结果更可靠。 在评估AI表现的数学基准测试中，DeepSeek-R1-Zero和DeepSeek-R1得分分别为77.9%和79.8%，在编程 竞赛及研究生水平的生物学、物理和化学问题上同样表现优异。 DeepSeek-AI团队梁文锋及其同事17日在《自然》杂志上发表了开源人工智能（AI）模型DeepSeek-R1 所采用的大规模推理模型训练方法。研究表明，大语言模型（LLM）的推理能力可通过纯强化学习来 提升，从而减少增强性能所需的人类输入工作量。训练出的模型在数学、编程竞赛和STEM领域研究生 水平问题等任务上，比传统训练的LLM表现更好。 ...

2025年9月17日，属于中国人工智能的又一个高光时刻来到了。DeepSeek-AI团队梁文锋及其同事在《自 然》杂志发表了关于开源模型DeepSeek-R1的研究成果，并登上当期封面。 在此，DeepSeek也首次回应"蒸馏"争议，在与审稿人的交流中，DeepSeek明确表示，R1并非通过复制 OpenAI模型生成的推理示例来学习。只是和大多数其他大语言模型一样，R1的基础模型是在网络上训 练的，因此它会吸收互联网上已有的AI生成的内容。 "低成本奇迹"：从29万美元到世界舞台 在AI世界，有一个残酷的共识：顶尖大模型的门槛，从来不是算法，而是成本。OpenAI训练GPT-4，外 界估算其花费在1亿美元以上；谷歌、Anthropic、Meta也在数千万美元级别的预算上展开竞赛。资金与 算力，成了决定话语权的核心。 论文指出，大语言模型（LLM）的推理能力可以通过纯强化学习显著提升，从而减少对人工标注的依 赖。与传统训练方式相比，这一方法培养出的模型在数学解题、编程竞赛以及涉及STEM领域研究生水 平的问题上，均展现出更优的表现。 然而，DeepSeek打破了这一"潜规则"。根据研究团队在论文补充材料披露的细 ...

2025年9月17日，属于中国人工智能的又一个高光时刻来到了。DeepSeek-AI团队梁文锋及其同事在《自然》杂志发表了关于开源模型 DeepSeek- R1 的研究成果，并登上当期封面。 论文指出，大语言模型（LLM）的推理能力可以通过纯强化学习显著提升，从而减少对人工标注的依赖。与传统训练方式相比，这一方法培养出 的模型在数学解题、编程竞赛以及涉及STEM领域研究生水平的问题上，均展现出更优的表现。 在此，DeepSeek也首次回应"蒸馏"争议，在与审稿人的交流中，DeepSeek明确表示，R1并非通过复制OpenAI模型生成的推理示例来学习。只是和 大多数其他大语言模型一样，R1的基础模型是在网络上训练的，因此它会吸收互联网上已有的AI生成的内容。 "低成本奇迹"：从29万美元到世界舞台 在AI世界，有一个残酷的共识：顶尖大模型的门槛，从来不是算法，而是成本。OpenAI训练GPT-4，外界估算其花费在1亿美元以上；谷歌、 Anthropic、Meta也在数千万美元级别的预算上展开竞赛。资金与算力，成了决定话语权的核心。 然而，DeepSeek打破了这一"潜规则"。根据研究团队在论文补充材料披露的细节 ...

撰文丨王聪 编辑丨王多鱼 排版丨水成文 让 AI 模型像人类一样进行 推理 是一个长期且艰巨的挑战。 大语言模型 （LLM） 已显示出一些推理能力，但其训练过程需要大量计算资源。通过人工提示引导 可改进这类模型，促使其生成中间推理步骤，从而大为强化其在复杂任务中的表现。但这种方法会导致计算成本过高，且解决复杂问题能力仍然不足。 2025 年 1 月 20 日，一家来自中国杭州的初创公司 深度求索 （DeepSeek） 发布了一款推理模型—— DeepSeek-R1 ，该模型推理能力强大，而对算力的需求 很低，因此使用成本大幅降低，在全世界科技界迅速引发关注。 2025 年 9 月 17 日， DeepSeek 研究团队在国际顶尖学术期刊 Nature 上发表了题为 ： DeepSeek-R1 incentivizes reasoning in LLMs through reinforcement learning 的研究论文， 梁文锋 为论文通讯作者，该论文还被选为本期 封面论文 。 该论文揭示了 DeepSeek-R1 所采用的 大规模推理模型训练方法，表明了大语言模型 （LLM） 的推理能力可通过 纯强化 ...