摘要：近日，随着春节假期的结束，一则新的信息展现Deepseek最新进展。DeepSeek 研究员 Daya Guo 在社交媒体上与网友的互动，不仅透露了 R1 模型训练的关键信息，还展示了公司在强化学习（RL）领域的持续探索和迅猛进展，让外界对 DeepSeek

近日，随着春节假期的结束，一则新的信息展现Deepseek最新进展。DeepSeek 研究员 Daya Guo 在社交媒体上与网友的互动，不仅透露了 R1 模型训练的关键信息，还展示了公司在强化学习（RL）领域的持续探索和迅猛进展，让外界对 DeepSeek 的技术实力和未来布局有了全新的认识。

自 DeepSeek 于 1 月 20 日发布其最新 AI 推理模型 DeepSeek R1 以来，这款在数学、代码和自然语言推理等任务上表现优异，性能直接对标美国 OpenAI 最新推理模型 o1 的产品，就吸引了全球 AI 爱好者和专业人士的目光。1 月 27 日，DeepSeek 登顶苹果中国地区和美国地区应用商店免费 APP 下载排行榜，其官网也因访问量过大而一度 “宕机”，足以见得市场对其关注热度之高。

而此次 Daya Guo 的爆料，更是将 DeepSeek R1 的技术细节和后续发展计划进一步公开化。2 月 1 日，大年初四，Daya Guo 在社交媒体上分享了春节期间令他最为兴奋的事情 —— 亲眼见证了 R1-Zero 模型性能曲线的 “持续增长”，并强调感受到了强化学习（RL）的强大力量，这一分享瞬间点燃了网友们的好奇心，纷纷向他抛出各类问题。

在与网友的问答互动中，关于 R1 模型的关键信息逐渐浮出水面。当被问及模型性能持续提升的阶段以及未来潜力时，Daya Guo 坦诚回应，目前团队在 RL 领域仍处于非常早期的阶段，还有很长的路要探索，但他坚信今年将会看到显著的进展。这一回答无疑给外界传递了一个强烈信号：DeepSeek 对自身在 RL 领域的发展充满信心，R1 当前的成绩或许仅仅只是开端，未来有望带来更多突破。

针对模型是否真正具备泛化能力，而非单纯记忆状态转换和奖励的质疑，Daya Guo 给出了专业解答。他表示，团队使用 RL prompt 未覆盖领域的基准来评估泛化能力，目前来看，R1 似乎具备泛化能力。这一评估方式的披露，显示出 DeepSeek 在验证模型能力时采用了科学严谨的方法，用模型从未见过的新场景进行测试，确保评估结果真实可靠，也让外界对 R1 的能力有了更客观的认识。

在模型训练时间这一关键问题上，Daya Guo 详细解释了 R1 的迭代过程。他表示，660B 参数的 R1-Zero 和 R1 是在 V3 发布之后才开始训练的，训练大约花费了 2 - 3 周。此前提到的 R1 模型（如在 V3 技术报告里），实际上是 R1-Lite 或者 R1-Lite-Zero。这一说明让外界了解到 DeepSeek 在模型研发过程中不断优化升级的努力，现在呈现的 R1-Zero 和 R1 是经过精心打磨的 “全新升级版”。

对于训练速度的讨论，网友们通过计算提出了疑问，按照每个梯度传播（grpo）步骤约 3 分钟来计算，训练速度似乎较慢。这也从侧面反映出高性能 RL 模型训练的巨大成本和时间投入，即使是像 DeepSeek 这样的行业领先者，在追求卓越性能的道路上也需要付出艰辛努力。

此外，关于 R1 的未来应用拓展，当被问到是否尝试将 RL 应用于形式化证明环境时，Daya Guo 透露团队已经在进行相关尝试，并且希望尽快向社区发布更好的模型。这一消息无疑让 AI 社区的从业者和爱好者们充满期待，若 R1 能在形式化证明领域取得突破，将为 AI 在数学、逻辑推理等硬核领域的应用开辟新的道路。

从 Daya Guo 的回应中，我们可以提炼出三大关键信号。首先，在技术定位上，RL 尚处于早期阶段，性能提升空间巨大，远未见顶，这意味着 DeepSeek 在未来有望在该领域实现更多技术突破；其次，验证逻辑上，团队通过跨领域测试泛化能力，拒绝 “记忆投机”，确保模型具备真正的智能推理能力；最后，在应用边界上，R1 正从语言模型向数学证明等高阶推理领域迈进，拓展 AI 的应用范畴。

DeepSeek R1 的出现，本身就已经在 AI 领域引发了轩然大波。其以极低成本打造出堪比 OpenAI o1 的开源 AI 模型，不仅让投资者对 AI 的获利能力以及尖端芯片的旺盛需求产生担忧，引发了美股科技股的震荡，也让全球 AI 从业者看到了新的可能性。而此次研究员的爆料，更是让我们看到了 DeepSeek 在技术研发上的持续投入和进取精神。在全球 AI 竞争日益激烈的今天，DeepSeek 凭借其独特的技术路线和创新能力，正逐渐崭露头角，有望成为推动 AI 技术发展的重要力量。

来源：人工智能学家