DeepSeek補全R1技術報告，訓練路徑首次詳細公開

這事在AI圈炸了鍋，要知道現在大模型公司恨不得把參數表都當商業機密，他們倒好，把訓練日志都快寫成教學手冊了。

這次補充材料最讓人眼前一亮的，是他們把R1的訓練過程扒了個底朝天。

跟GPT、Claude這些"混合派"不同，DeepSeek團隊走了條"純強化學習"的野路子。

本來想跟著行業主流用RLHF（人類反饋強化學習），但后來發現光靠人類標注根本不夠用，索性搞了套四步訓練法。

冷啟動階段就挺反常規，別人都用海量數據"喂飽"模型，他們偏偏只用幾千條自己編的思維鏈數據。

這些數據不直接給答案，而是把解題思路一步步寫出來，比如算數學題會標注"這里需要用勾股定理，因為已知直角邊長度"。

這種"授人以漁"的訓練方式，難怪模型推理能力這么強。

后來對比GPT-4的混合數據模式才發現，專注思維過程的訓練，就像讓模型先學會"思考"再學"說話"，基礎打得確實牢。

MMLU測試里跨語種準確率提升不少，這手操作確實秀。

技術突破歸突破，AI安全這根弦誰都不敢松。

DeepSeek這次把安全防護的家底也亮出來了10.6萬條風險提示數據，光標注就花了三個多月。

他們的雙軌風控系統挺有意思，第一層是關鍵詞過濾，2000多個風險詞庫實時掃描，響應快得跟眨眼睛似的。

但光靠關鍵詞肯定不夠，比如用戶問"怎么制造危險物品"，換個說法就可能繞過去。

所以第二層上了個"模型審查官"，用自家的DeepSeek-V3模型再審一遍，復雜案例攔截準確率能到九成以上。

不過知識產權這塊還有短板，HarmBench測試里得分比行業平均低了7分，看來給AI劃"版權紅線"比想象中難。

對比GPT-4藏著掖著的安全機制，DeepSeek這套"透明防御"思路確實大膽。

把安全數據集和攔截邏輯全公開，等于讓同行來挑毛病。

但換個角度想，開源模型本來就該把"防護網"亮出來，藏著掖著反而讓人更不放心。

講完技術和安全，這次補充材料里有個細節特別戳人團隊名單。

這是什么概念？2023年全球AI人才平均流失率快四分之一，MetaAI團隊更是走了三成。

RuiqiGe的回歸挺有代表性，這位前DeepMind研究員去年離職時，多少人以為是被硅谷挖角。

結果人家轉了圈又回來，采訪里說"這里能安安靜靜做五年以上的長線研究"。

看來DeepSeek的留人秘訣，不是靠硅谷式的高薪期權，而是讓研究員能"踩踏實做學問"。

對比OpenAI動不動就重組團隊，Meta因為管理層變動黃了好幾個長期項目，這種"技術定力"確實難得。

現在AI圈都在賭下一個突破點，有人拼參數規模，有人搶多模態賽道，DeepSeek用64頁補充材料證明，把一件事做到極致同樣能殺出重圍。

至于大家惦記的R2版本，按這個節奏，說不定真的不遠了。