首个接受同行评审的大语言模型！DeepSeek-R1论文登《自然》封面

 9月18日，梁文锋带着DeepSeek-R1的研究，登上最新一期国际顶级期刊《自然》（Nature）封面。

今年1月份，国产大模型公司深度求索（DeepSeek）在预印本平台arxiv公布论文《DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning》，创始人梁文锋位于署名之列。

《自然》杂志指出，如此总结DeepSeek-R1带来的进步：如果训练出的大模型能够规划解决问题所需的步骤，那么它们往往能够更好地解决问题。这种“推理”与人类处理更复杂问题的方式类似，但这对人工智能有极大挑战，需要人工干预来添加标签和注释。

DeepSeek的研究人员揭示了他们如何能够在极少的人工输入下训练一个模型，并使其进行推理。DeepSeek-R1模型采用强化学习进行训练。在这种学习中，模型正确解答数学问题时会获得高分奖励，答错则会受到惩罚。

最终它学会了推理——逐步解决问题并揭示这些步骤——更有可能得出正确答案。这使得DeepSeek-R1能够自我验证和自我反思，在给出新问题的答案之前检查其性能，从而提高其在编程和研究生水平科学问题上的表现。

在《自然》的Editorial（社论）指出，大型语言模型需要同行评审。《自然》认为，大型语言模型（LLMs）正在迅速颠覆人类获取知识的方式，但最广泛使用的这些模型尚未在研究期刊中接受独立同行评审。同行评审有助于澄清LLMs的工作原理，并帮助评估它们是否真正实现了其宣称的功能。“这一情况随着自然杂志发表DeepSeek-R1模型细节而改变。”

《自然》指出，自1月在Hugging Face上发布R1以来，DeepSeek-R1已夺得该平台复杂问题解决类模型下载量冠军。现在，该模型已由八位专家评审，以评估其工作的原创性、方法论和稳健性。该论文将与审稿人报告和作者回应一同发表。“这一切都是AI行业迈向透明度和可重复性的可喜一步”。

“依赖独立研究者的同行评审是AI行业回击炒作的一种方式。鉴于这项技术已变得如此普遍，无法验证的声明对社会构成了真正的风险。我们希望，出于这个原因，更多AI公司将提交其模型接受评审。”《自然》写道。

论文摘要中表示，推理能力作为人类智能的基石，能够支持从数学问题求解、逻辑演绎到程序编写等复杂认知任务。人工智能领域的最新进展表明，当大型语言模型（LLMs）的规模达到足够程度时，能够展现出包括推理能力在内的涌现性特征，然而，要在预训练阶段实现这类能力，通常需要耗费大量计算资源。

这项研究旨在探索大型语言模型在强化学习（RL）框架下通过自进化发展推理能力的潜力，同时最大限度减少对人工标注的依赖。

具体而言，以DeepSeek-V3Base模型为基础，采用群体相对策略优化（GRPO）作为强化学习框架。奖励信号仅依据最终预测结果与真实答案的一致性来确定，不对推理过程本身施加任何约束。在解决推理问题时，该模型倾向于生成更长的响应内容，在每个响应中融入验证、反思以及对多种替代方法的探索。尽管并未明确教授模型如何进行推理，但它通过强化学习成功掌握更优的推理策略。

今年1月20日，中国AI初创公司深度求索（DeepSeek）推出大模型DeepSeek-R1引爆AI行业，作为一款开源模型，R1在数学、代码、自然语言推理等任务上的性能能够比肩OpenAIo1模型正式版，并采用MIT许可协议，支持免费商用、任意修改和衍生开发等。春节假期后，国内多个行业龙头公司均宣布接入DeepSeek。

伴随AI大模型行业的日新月异，DeepSeek已经更新出R1以外的新版本，但万众期待的R2尚未面世。此前8月21日DeepSeek正式发布DeepSeek-V3.1，称其为“迈向Agent（智能体）时代的第一步”。

据介绍，V3.1包含三大主要变化。首先，V3.1采用混合推理架构，一个模型同时支持思考模式与非思考模式；其次，V3.1具有更高的思考效率，相比DeepSeek-R1-0528，DeepSeek-V3.1-Think能在更短时间内给出答案；另外，V3.1具有更强的Agent能力，通过Post-Training优化，新模型在工具使用与智能体任务中的表现有较大提升。

当时，DeepSeek表示，DeepSeek-V3.1使用UE8M0FP8Scale的参数精度。UE8M0FP8是针对即将发布的下一代国产芯片设计。这也表明未来基于DeepSeek模型的训练与推理有望更多应用国产AI芯片，助力国产算力生态加速建设。相关表态，一度带动国产芯片算力股价迎来飙升。

9月5日，据外媒报道，DeepSeek被曝光正在开发具备更先进的AI智能体相关功能的人工智能模型，目的是与OpenAI等头部科技公司在技术新前沿展开竞争。目前DeepSeek创始人梁文峰计划在今年四季度发布相关智能体产品。

记者向DeepSeek内部人士询问此事真实性，对方未给予明确回复，但并未否认此事。

据外媒援引相关消息称，DeepSeek正在开发的智能体强调自主任务处理能力，与传统聊天机器人不同，智能体能够代表用户在最少指令下完成多步骤复杂任务，并根据历史操作持续学习和改进，减少人工干预需求。

2025年被业界称为“AI智能体元年”。8月26日，国务院印发《关于深入实施“人工智能+”行动的意见》提出，到2027年，率先实现人工智能与6大重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超70%；到2030年，中国人工智能全面赋能高质量发展，新一代智能终端、智能体等应用普及率超90%。