两天前，DeepSeek 团队悄然更新了 DeepSeek-R1 的技术报告，从最初的22页直接“膨胀”到86页。这不再是一篇普通论文，而是一份完全可复现的开源技术报告，细节爆炸，被社区誉为“教科书级”神作！网友直呼：这才是真正的开源精神！
论文地址：https://arxiv.org/abs/2501.12948 PDF直链：https://arxiv.org/pdf/2501.12948.pdf
deepseek-ai/DeepSeek-R1 · Hugging Face
更新核心新增内容（干货满满）
此次更新补充了海量细节，让开源社区能真正复现整个过程：
- 精确数据配方：RL阶段明确给出数学26k、代码17k、STEM22k、逻辑15k、通用66k等数据规模及生成流程
- 基础设施细节：vLLM + DualPipe 并行推理架构示意图
- 训练成本透明：总计约29.4万美元（R1-Zero阶段198小时H800 GPU集群）
- 失败尝试复盘：详细解释为何过程奖励模型（PRM）和MCTS未成功
- 扩展模型对比：新增与DeepSeek-V3、Claude 3.5 Sonnet、GPT-4o等全面对比
- 10页安全报告：多语言评估、越狱攻击、风险控制体系全解析
- 贡献者名单：论文末尾列出每位核心成员的具体贡献
DeepSeek App 最近还新增语音输入功能，网友猜测多模态布局已启动。
性能评测：多项基准媲美甚至超越OpenAI o1
最新报告覆盖数学、编码、长上下文、通用知识、指令遵循等全维度评测。DeepSeek-R1 在多数任务上与 o1-1217 持平或微超，显著领先 o1-mini、GPT-4o 和 Claude 3.5 Sonnet。
亮点表现：
- STEM相关基准（MMLU-Pro、GPQA Diamond）大幅超越DeepSeek-V3，主要归功于纯RL训练
- 长上下文任务（FRAMES）文档理解能力突出
- 编程实践任务：Aider上略逊o1，但在SWE Verified相当（DeepSeek表示工程数据不足，下一版将加强）
与人类专家对比（重磅数据）：
- AIME数学竞赛：DeepSeek-R1 已超人类平均水平
- Codeforces编程竞赛：超越93.6%人类选手
- GPQA科学问答：人类仍领先，但DeepSeek认为若联网可反超
Chatbot Arena人工评估： 通过ELO分数，R1 在人类偏好上表现亮眼，尤其“风格控制”维度与 o1、Gemini-Exp-1206 并列第一——证明其并非靠冗长华丽回答取胜，而是真·实力。
数据规模详解
- RL阶段：总146k样本（数学26k、代码17k等）
- SFT微调阶段：约800k样本，覆盖推理链、通用指令、格式一致性等
蒸馏：推理能力高效下放小模型
DeepSeek-R1作为“教师”生成高质量显式推理轨迹，通过SFT蒸馏给1.5B~70B学生模型。实验证明：推理能力可稳定跨规模迁移，同尺寸模型性能全面提升。
智能涌现：R1-Zero的“人类式”自我进化
在MATH数据集上，R1-Zero学习曲线惊人相似人类：
- 简单问题（难度1-3）早期快速掌握（准确率0.90+）
- 复杂问题（难度4-5）随训练逐步攻克（5级从0.55升至0.90）
模型逐渐学会反思行为，反思词汇（wait、mistake、however等）频率增加5-7倍，特定策略（如“wait”）在训练后期突现。
安全评估：开源模型的安全新标杆
新增10页安全报告，覆盖：
- 官方风险控制体系（关键词过滤 + DeepSeek-V3审查）
- 六项公开安全基准对比
- 内部1,120题安全数据集（4大类28子类）
- 50种语言9,330题多语言评估
- 越狱攻击稳健性测试
结论：
- 启用控制后，多语言安全得分85.9%，接近Claude 3.7 Sonnet
- 越狱攻击威胁所有模型，开源模型风险更高
- 推理模型更依赖安全系统
Evaluating Security Risk in DeepSeek - Cisco Blogs
技术总结：纯RL成功的三大关键
- 大容量基础模型：小模型RL无效，必须从强基模型起步
- 可靠验证器：规则RM + 大模型一致性判断，防奖励作弊
- RL + SFT迭代流水线：缺一不可，避免次优行为与奖励漏洞
DeepSeek承认经历多次失败（PRM、MCTS等），但强调这些方法并非无效，只是需要正确组合。
社区热议与展望
网友调侃：“证据摆在这，是时候让某些人道歉了。” 以远低于闭源模型的成本，DeepSeek-R1实现媲美o1的推理能力，开源社区迎来里程碑胜利！大家纷纷期待R2将带来纯RL+更多工程数据的更大突破。
这份86页报告不仅是技术分享，更是对“推理能力可通过纯强化学习实现”的有力证明。强烈建议开发者下载细读，复现指日可待！