登上《自然》！DeepSeek-R1训练方法发布

9月17日，DeepSeek-AI团队梁文锋及其同事在《自然》杂志上发表了开源人工智能（AI）模型DeepSeek-R1所采用的大规模推理模型训练方法。

据报道，与今年1月发布的DeepSeek-R1的初版论文相比，本次论文披露了更多模型训练的细节，并正面回应了模型发布之初的蒸馏质疑。

DeepSeek-R1也是全球首个经过同行评审的主流大语言模型。Nature评价道：目前几乎所有主流的大模型都还没有经过独立同行评审，这一空白“终于被DeepSeek打破”。

DeepSeek-R1包含一个在人类监督下的深入训练阶段，以优化推理过程。梁文锋团队报告称，该模型使用了强化学习而非人类示例来开发推理步骤，减少了训练成本和复杂性。

DeepSeek-R1在被展示优质的问题解决案例后，会获得一个模板来产生推理过程，即这一模型通过解决问题获得奖励，从而强化学习效果。团队总结说，未来研究可以聚焦优化奖励过程，以确保推理和任务结果更可靠。

梁文锋出生于1985年，广东湛江人，幻方量化、DeepSeek创始人。2024年12月，梁文锋和团队开发的大模型“DeepSeek-V3”发布。2025年4月，梁文锋入选美国《时代》周刊“2025年全球最具影响力100人”榜单。

DeepSeek是2023年成立于杭州的人工智能公司，由幻方量化孵化。创始团队由梁文锋领衔，成员来自顶尖高校与国际机构技术专家。