梁文锋执笔的R1论文登上Nature封面！首次回应外界三大质疑

72 0 0

文章摘要

【关键词】 DeepSeek-R1、国产AI、同行评审、强化学习、模型推理

9月17日，开源AI“顶流”DeepSeek的推理模型研究论文DeepSeek – R1以通讯作者梁文锋的名义发表于国际顶尖期刊《自然》并登上封面，标志国产AI研究迈入世界舞台，填补大语言模型完整同行评审空白。

DeepSeek – R1核心突破在于借助强化学习机制使模型自主形成推理能力。团队先基于DeepSeek – V3 Base构建R1 – Zero，引导其生成更具逻辑性回答，再引入多阶段训练打造出性能强且符合人类偏好的DeepSeek – R1。该模型在全球开源社区受欢迎，在Hugging Face平台下载量突破1090万次。

新版论文补充训练细节并回应质疑：数据来自互联网，未有意蒸馏；进行大规模去污染，剔除约600万条潜在污染样本；引入外部风险控制机制，安全性表现优；训练成本仅29.4万美元，远低于竞争对手。

R1是首个经过同行评审的大语言模型重要项目。DeepSeek团队2月提交论文，经5个月审查、8位外部专家评审，形成64页审稿文件。评审意见涉及细节修改和关键学术问题，DeepSeek逐一回应并新增章节与补充材料。

《同行评审报告》指出，以往大语言模型推理依赖提示工程或含推理示例的训练数据，而本论文证明仅靠强化学习就能让模型推理，无需提示工程和人工数据。该研究在语言模型后训练方法上有奠基意义，DeepSeek R1多项评测领先，但训练数据组成缺乏透明度，部分决策缺乏实证支持。

DeepSeek主要创新是用纯强化学习创建R1，奖励模型得出正确答案，使用组相对策略优化提高效率。虽有媒体称其用OpenAI输出数据训练R1，但研究人员反驳，且其他实验室尝试表明其推理方法无需重复训练。在ScienceAgentBench挑战赛中，R1平衡性能和成本表现佳，还引发其他研究人员运用其方法提升大语言模型推理能力，“引发了一场革命”。