梁文锋参与的DeepSeek-R1论文登上 Nature封面，这具有什么意义？ - DeepSeek 再次创造了历史！成为首...

DeepSeek 再次创造了历史！成为首个通过严格同行评议的主流大语言模型！

美联储降息有什么意思，今天的头条必须属于 DeepSeek！太强了！我先给大家省流划重点：

DeepSeek R1 论文登上了最新一期的 Nature 封面！梁文锋署名通讯作者！Nature 还专门为此写了篇社论夸赞 DeepSeek 的技术开放性，并呼吁更多企业主动发表大模型学术成果。
R1 模型成本首次公开，用 H800 训练，从 V3-base 训练成 R1，只花了 29.4 万美元！
在经受同行评议时正面回应：DeepSeek 没有使用 OpenAI 模型合成数据训练！
相比于一月份的预印本论文，Nature 版论文经历了 8 位专家评审，进行了大量修改。从结果来看，这是一篇质量过硬，经得起质疑、经得起时间和实践检验的论文。
论文作者名单没有变化，恭喜 17 岁的高中生大佬涂津豪喜提一篇 Nature！

真的太强了！收下我的膝盖！这篇论文不仅对 DeepSeek，对整个大模型产业都有很大影响，甚至可以说意义远超论文本身。

熬夜肝文，大家点赞收藏一波。接下来坐稳扶好，我带大家深入更多论文细节。

一篇大模型论文，怎么就登上了 Nature 封面？

众所周知，DeepSeek R1 是今年 1 月 20 日开源的^[1]，几乎同步发布了预印本的论文^[2]。

现在我们知道，2 月 14 日，DeepSeek 就向 Nature 投稿，经历了 5 个月的评议和修改之后，于 7 月 17 日接收，并登上 9 月 17 日的 Nature 封面^[3]。

论文的标题是：《DeepSeek R1 通过强化学习激励 LLMs 进行推理》。

而 Nature 封面则是：《Self-help：强化学习教会 AI 模型自我改进》。

这也可以看出，DeepSeek 从一开始就是奔着 Nature 投的，而且 DeepSeek 这帮人是真的卷，情人节投稿，估计春节假期也没怎么休息。

那么问题来了，DeepSeek 为什么能上 Nature？为什么能上封面？

再引申一个问题：为什么 GPT、Gemini、Claude 没上 Nature 呢？当然这个问题的答案很简单：因为他们没有向 Nature 投稿。

但我觉得，这恰恰是 DeepSeek 做得好的地方——开源、开放。

OpenAI 的确先做出了 o1，原本是有机会抢下这个学术成果的，但他们选择了闭源，选择了优先商业化，自然也就与学术成就无缘。

国外的 AI 企业，发表的是 Technical Report（技术报告），是 Model Card（模型卡），那都是吹嘘自己模型 SOTA 成绩的广告，而不是可复现、可验证的学术成果。

特别是 Nature 还专门发了一篇社论《提交 LLMs 成果：为何同行评议对 AI 模型有益》^[4]，呼吁更多 AI 公司接受学术出版审查：同行评议不是要求公开商业机密，而是通过证据支撑技术主张，推动行业健康发展。

其中明确提到：

之前流行的大模型，没有一个经过了学术界的同行评议（DeepSeek 是第一个），因而缺乏对大模型工作原理和实际能力的客观验证。
同行评审能提升模型透明度，验证功能真实性，并制衡开发者「自评自测、自吹自擂」的潜在偏见。
DeepSeek R1通过强化学习实现自主推理能力，其开源特性（开放权重）允许自由下载和二次开发。
8 位专家从原创性、方法论和鲁棒性等维度评审，论文同步公开审稿意见和作者回复，DeepSeek 树立了大模型行业透明度新标杆。
在AI技术泛化的背景下，独立验证是遏制过度炒作、防范社会风险的必要机制。

所以你看，前沿企业出于商业竞争考虑把自己的模型细节藏着掖着，很难转化为学术成果。Nature 把 DeepSeek 放在封面，也是想激将一下这些企业。

当然了，Nature 并不是宣传模型性能的地方，要上期刊，是要拿出实实在在的学术成果的。

我觉得，DeepSeek R1，无论是科学叙事还是方法论，无论是过程严谨性还是结论普适性，都完全配得上一篇 Nature。

不信？我斗胆站在审稿人的角度，带大家简要理一理这篇论文。

DeepSeek R1 的论文讲了什么？

DeepSeek R1 的这篇论文，可以从叙事、方法论和实验透明度三个方面来理解。

科学叙事

首先是科学叙事，俗称讲故事。又可以分为问题、假设和结论。

问题提出：

R1 的论文，并不是在宣传「我们做的模型有多强」，不是靠秀出 SOTA 成绩吸引别人的注意力，而是从一个根本性的科学问题切入：

通用人工智能（AGI）的核心推理能力，目前严重依赖于昂贵且充满偏见的人工标注数据。

核心假设：

为了解决数据标注的成本和偏见问题，DeepSeek 假设：

大模型的复杂推理能力，可以通过纯粹的 RL 强化学习，从一个简单的奖励信号（正确与否）中「自发涌现」，而无需人类提供思考过程的范例。

这直接挑战了主流依赖高质量 SFT 数据的范式。

结论升华：

R1-zero 和 R1 的实验成功，不仅仅代表了一个模型的成功，更是探索出一条「机器超越人类数据限制，实现自我进化」的潜在路径。

从问题，到假设，到实验结论，从一个推理模型上升到了「AI 自主进化」，这故事讲的多好。

方法论

故事讲的好是基础，方法论也要扎实。

DeepSeek R1 的关键创新就在于：验证了直接在基础模型上进行大规模 RL 强化学习的可行性和效果，证明了 SFT 并非激发推理能力的必要前置步骤。

模型在训练过程中自主学会了反思、验证和探索多种解题路径等复杂行为。

特别是那个经典的「Aha Moment」，模型在答题时自己说「wait、wait、wait」，这个例子直接将抽象的能力提升具象化为一个可以看到的「行为涌现」。

这个「Aha Moment」太生动了，简直就是 AI 的尤里卡时刻。

实验透明度

相比于当初的预印本内容，Nature 版论文经过评审和修改，实验透明度更高，真正作为学术成果发布，增加了海量的技术细节，比如各阶段的流程图、GRPO 算法、奖励模型的设计、超参数等等。

某种意义上说，这真的是可复现、可验证的学术成果，真的把过程掰开了揉碎了公开出来，而不是一个简简单单的技术报告。

如果说一月份的 R1 技术报告是宣传模型的「成果展示」，那 Nature 版 R1 论文就是「过程论证」。

论文更详细的内容我就不展开了，推荐大家自己去读，多读几遍，甚至有必要比照预印本内容读，可以找到修改的痕迹，和「讲科研故事」的脉络。

顺便一提，其实我今年年初学完 R1 的预印本论文后就有个感受：

虽然是 R1 让广大用户感受到了开源推理模型的深度思考能力；但实际上，也许在 DeepSeek 内部，R1-Zero 才是那个真正有价值、有意义、将会被未来铭记为里程碑的科研成果。

再补充一句：和大模型行业快速迭代的速度比起来，正式论文发表花费的时间太久了。但这恰恰说明，R1-Zero 的方法是有范式价值的，是经得起时间检验的科研成果。

最劲爆的内容，在论文之外

说实话，论文的核心结论，在预印本里已经讲出来了。这次在 Nature 上发表，真正劲爆的内容在论文之外的补充信息^[5]和评议文件里^[6]。（我还没读完，但信息量巨大，比论文本身都大！）

DeepSeek R1 训练成本首次揭秘：29.4 万美元

DeepSeek 曾经在 V3 的论文里公开过，V3 模型的训练成本是 560 万美元，准确来说是 557.6 万美元。

结果 R1 火了之后，很多人张冠李戴地把这个数字安在 R1 头上，说 R1 的训练成本是 560 万美元。

但实际上，R1 的预印本论文中，并没有公布训练成本。我也曾经辟谣过，但没用，大家还是以讹传讹地这样认为。

这次为了在 Nature 发论文，DeepSeek 在审稿人的追问下，首次公开了 R1 的训练成本，简直夸张到离谱：R1-Zero + SFT 数据生成 + R1 一共只花了 29.4 万美元！

具体来说，训练使用 64*8 H800 GPU，R1-zero 用了 198 小时，R1 只用了 4 天，约 80 小时。

这也跟郭达雅之前删掉的一条推特对应起来。当时他说：

660B 的 R1-zero 和 R1 是在 V3 发布后才开始训练，用了 2-3 周；V3 报告中提到的 R1，其实应该叫 R1-Lite 或者 R1-Lite-zero。

V3 是 12 月 26 日发布的，R1 是 1 月 20 日发布的，这么短的时间，模型训出来、发出来、甚至连论文都公布出来，关键是只花了不到 30 万美元？！

现在想想，Meta 的人说，V3 的成本比他们随便一个管理层的工资成本都低。

结果，R1 的成本相比 V3 又去了个 0 还打了五折。（当然，R1 是建立在 V3 基础模型的成本之上的）

我只能说，恐怖如斯。

正面回应数据问题：没有使用 OpenAI 的合成数据！

DeepSeek R1 发布之后，国内国外都出现了一些质疑的声音，比如是不是直接「蒸馏」了 OpenAI 的模型。

我们在这里不去澄清「蒸馏」这个词的技术含义。他们无非是想说明，DeepSeek 用了 OpenAI 的合成数据。

之前 OpenAI 一直没有回应过，这次我在论文的补充材料和评议答复里找到了官方的正面回应。

首先：

R1 基于 V3-base 模型，而 V3-base 模型是从互联网抓取的数据，因而会不可避免地抓到一些互联网上已经存在的、由各种 AI 模型生成的数据（包括 OpenAI）。

但是！DeepSeek 并没有有意使用 OpenAI 的合成数据进行训练！

当然，这可能还不够用说服力。比如同行评议中有人质疑，

DeepSeek-V3-Base 模型在预训练阶段可能已经接触了大量的推理痕迹数据，间接获得了 OpenAI这类更强模型的能力，从而使得其纯粹通过强化学习获得推理能力的结论不那么可靠。

DeepSeek 的回应是：

在预训练阶段收集的网页数据中可能包含了由 GPT 等模型生成的内容，但是在当前大规模语言模型训练中，这种情况很难避免。
DeepSeek-V3-Base 的预训练没有包含一个明确的、大规模使用合成数据集进行监督学习的阶段。任何对合成内容的接触都是偶然和间接的。
DeepSeek-V3-Base的预训练数据收集截止日期为 2024 年 7 月，而当时并没有公开可用的高级推理模型。这大大降低了从现有强大推理模型中无意蒸馏的可能性。
论文的核心贡献——R1-Zero模型——没有涉及任何来自高级模型的蒸馏。其强化学习部分是独立训练的，不依赖于其他模型生成的输出或指导。

为了彻底打消论文评审的顾虑，DeepSeek 甚至进行了一项额外的实验，他们用发布于 2024 年 6 月的，早于所有公开的推理模型的 Qwen2-7B 模型，作为基础模型进行了训练：