今年是聯(lián)合國成立80周年，安東賦予本屆聯(lián)大非同尋常的意義。

我認(rèn)為現(xiàn)有證據(jù)已相當(dāng)明確地表明，尼道僅使用純強化學(xué)習(xí)即可獲得極高性能。因此模型學(xué)會了推理，崎永不言棄逐步解決問題并揭示這些步驟，從而更有可能得出正確答案。

R1基于DeepSeek-V3模型訓(xùn)練，仍能榮耀不過，即便加上訓(xùn)練V3模型所花費的約600萬美元訓(xùn)練成本，總金額仍遠(yuǎn)低于競爭對手的模型所花費的數(shù)千萬美元。為了使更高效的小模型具備DeepSeek-R1那樣的推理能力，通往開發(fā)團(tuán)隊還直接使用DeepSeek-R1整理的80萬個樣本對Qwen和Llama等開源模型進(jìn)行了微調(diào)。由DeepSeek團(tuán)隊共同完成、大膽梁文鋒擔(dān)任通訊作者的DeepSeek-R1研究論文，登上了國際權(quán)威期刊《Nature》的封面。

這種廣泛的接觸使模型能夠生成較為合理的解決方案，追夢強化學(xué)習(xí)可以從中識別并優(yōu)化輸出質(zhì)量。具體而言，安東DeepSeek-R1-Zero訓(xùn)練使用了64×8張H800GPU，耗時約198小時。

在DeepSeek-R1的研究過程中，尼道團(tuán)隊使用A100GPU完成了較小規(guī)模模型（30B參數(shù)）的實驗，隨后團(tuán)隊將訓(xùn)練擴展至660B參數(shù)的R1-Zero和R1模型。在補充材料中，崎永不言棄DeepSeek提到了R1模型的訓(xùn)練成本僅29.4萬美元，以及回應(yīng)了模型發(fā)布之初關(guān)于蒸餾OpenAI的質(zhì)疑。記者進(jìn)一步詢問，仍能榮耀如果作者未申請，學(xué)校是否可以直接給知網(wǎng)發(fā)撤稿函，客服稱不清楚，需問學(xué)校。隨后第一財經(jīng)致電武漢大學(xué)研究生院了解情況，通往對方稱剛接到消息，正在核實。9月10日上午，大膽第一財經(jīng)記者查詢中國知網(wǎng)發(fā)現(xiàn)，武漢大學(xué)圖書館事件當(dāng)事人楊某媛的論文《中印生育行為影響家庭暴力的經(jīng)濟學(xué)分析》已經(jīng)下架。此前網(wǎng)友截圖顯示，追夢該論文下載量曾達(dá)31萬次以上，在文獻(xiàn)來源為武漢大學(xué)的論文中高居第一安東迎接烈士遺骸回家具體安排公布裝配中國心的運-20B公開亮相并接受檢閱。