據(jù)科技日報(bào)消息，9月17日，DeepSeek-AI團(tuán)隊(duì)梁文鋒及其同事在《自然》雜志上發(fā)表了開源人工智能（AI）模型DeepSeek-R1所采用的大規(guī)模推理模型訓(xùn)練方法。

另據(jù)第一財(cái)經(jīng)報(bào)道，與今年1月發(fā)布的DeepSeek-R1的初版論文相比，本次論文披露了更多模型訓(xùn)練的細(xì)節(jié)，并正面回應(yīng)了模型發(fā)布之初的蒸餾質(zhì)疑。

DeepSeek-R1也是全球首個(gè)經(jīng)過同行評審的主流大語言模型。Nature評價(jià)道：目前幾乎所有主流的大模型都還沒有經(jīng)過獨(dú)立同行評審，這一空白“終于被DeepSeek打破”。

DeepSeek-R1包含一個(gè)在人類監(jiān)督下的深入訓(xùn)練階段，以優(yōu)化推理過程。梁文鋒團(tuán)隊(duì)報(bào)告稱，該模型使用了強(qiáng)化學(xué)習(xí)而非人類示例來開發(fā)推理步驟，減少了訓(xùn)練成本和復(fù)雜性。

DeepSeek-R1在被展示優(yōu)質(zhì)的問題解決案例后，會(huì)獲得一個(gè)模板來產(chǎn)生推理過程，即這一模型通過解決問題獲得獎(jiǎng)勵(lì)，從而強(qiáng)化學(xué)習(xí)效果。團(tuán)隊(duì)總結(jié)說，未來研究可以聚焦優(yōu)化獎(jiǎng)勵(lì)過程，以確保推理和任務(wù)結(jié)果更可靠。

梁文鋒出生于1985年，廣東湛江人，幻方量化、DeepSeek創(chuàng)始人。2024年12月，梁文鋒和團(tuán)隊(duì)開發(fā)的大模型“DeepSeek-V3”發(fā)布。2025年4月，梁文鋒入選美國《時(shí)代》周刊“2025年全球最具影響力100人”榜單。

DeepSeek是2023年成立于杭州的人工智能公司，由幻方量化孵化。創(chuàng)始團(tuán)隊(duì)由梁文鋒領(lǐng)銜，成員來自頂尖高校與國際機(jī)構(gòu)技術(shù)專家。