清库存！DeepSeek突然补全R1技术报告，训练路径首次详细公开

主要观点总结

本文主要介绍了DeepSeek团队的最新研究进展，包括DeepSeek-R1的新版本论文发布，新增了64页的技术细节，对R1的完整训练路径进行了系统性展开，并在安全性方面进行了加强。文章还提到了DeepSeek团队成员的稳定性和与其他团队的对比。

关键观点总结

关键观点1: DeepSeek-R1的新版本论文增加了64页的技术细节，展示了该团队在研究和开发上的深度和广度。

新版本论文的信息量很大，正文被大幅度翻修，几乎像重写了一篇。DeepSeek系统性地把R1的完整训练路径展开了，分为冷启动、推理导向RL、拒绝采样和再微调、对齐导向RL四个步骤。

关键观点2: DeepSeek在安全性方面进行了加强，构建了风险控制系统来评估和提升模型的安全性。

团队构建了一个包含10.6万条提示的数据集，依据预先制定的安全准则，标注模型回复。奖励模型方面，安全奖励模型使用点式训练方法来区分安全与不安全的回答。风险控制系统主要通过两个流程来实现：潜在风险对话过滤和基于模型的风险审查。

关键观点3: DeepSeek团队成员的稳定性是本文的一个亮点，论文发表将近一年后，18位核心贡献者全员仍在DeepSeek团队里。

与硅谷其他AI公司的内部文化相比，DeepSeek的团队稳定性和内部文化显得尤为突出。这种稳定性可能有助于DeepSeek在人工智能领域的持续发展和创新。