DeepSeek R1论文大爆发：开源挑战闭源，强化学习引领AI新纪元

R1论文巨幅扩充至86页！DeepSeek向世界证明：开源不仅能追平闭源，更能引领闭源创新！

全网震撼！

仅仅两天前，DeepSeek悄然将R1的论文进行了更新，从原先的22页“膨胀”至86页。

全新的论文揭示，只需强化学习便能显著提升AI的推理能力！

DeepSeek似乎正在憋大招，甚至有网友推测，纯强化学习方法可能会出现在即将到来的R2中。

此次更新直接将原始论文升级为：一份开源社区可完全复现的技术报告。

论文地址：https://arxiv.org/abs/2501.12948

论文中，DeepSeek-R1新增内容干货满满，信息含量爆炸——

• 精确的数据配方：明确给出数据规模（2.6万道数学题，1.7万条代码），以及具体的创建流程
• 基础设施说明：vLLM/DualPipe设置的示意图
• 训练成本拆解：总计约29.4万美元（R1-Zero使用了198小时的H800GPU）
• 「失败尝试」复盘：深入解释PRM为什么没有成功
• 模型对比：与DS-V3、Claude、GPT-4o系统性比较（此前只包含o1）
• 10页安全性报告：详细说明安全评估与风险分析

结果显示，DeepSeek R1多项实力与OpenAI o1相媲美，甚至赶超o1-mini、GPT-4o、Claude 3.5。

不仅如此，这次论文末尾还列出了核心贡献者的名单及其具体贡献。

接下来，让我们一起拆解最新论文内容的核心亮点。

DeepSeek R1爆更，实力打平o1

首先，我们来看DeepSeek-R1的具体评测结果。

最新评估依旧覆盖了数学推理、编码、通用知识&理解、事实型&指令遵循等任务的全方位对比。

在教育知识类基准上，包括MMLU、MMLU-Pro和GPQA Diamond，DeepSeek-R1整体超越DS-V3。

特别是在STEM相关问题上，准确率显著提高——这背后最大功劳要归功于RL。

在DeepSeek看来，主要是工程类RL训练数据还不够多，所以DeepSeek-R1在这块的能力还没完全发挥出来。