據財聯社9月18日消息，由DeepSeek團隊共同完成、梁文鋒擔任通訊作者的DeepSeek-R1推理模型研究論文，登上了國際權威期刊《自然（Nature）》的封面。
與今年1月發布的DeepSeek-R1的初版論文相比，本次論文披露了更多模型訓練的細節，並正面回應了模型發布之初的蒸餾質疑。DeepSeek-R1也是全球首個經過同行評審的主流大語言模型。Nature評價道：目前幾乎所有主流的大模型都還沒有經過獨立同行評審，這一空白「終於被DeepSeek打破」。
DeepSeek-R1開創歷史，梁文鋒論文登上《自然》封面
《科技日報》在報道中介紹稱，梁文鋒參與的研究表明，大語言模型的推理能力可通過純強化學習來提升，從而減少增強性能所需的人類輸入工作量。訓練出的模型在數學和STEM領域研究生水平問題等任務上，比傳統訓練的大語言模型表現更好。
DeepSeek-R1包含一個在人類監督下的深入訓練階段，以優化推理過程。梁文鋒團隊報告稱，該模型使用了強化學習而非人類示例來開發推理步驟，減少了訓練成本和覆雜性。DeepSeek-R1在被展示優質的問題解決案例後，會獲得一個模板來產生推理過程，即這一模型通過解決問題獲得獎勵，從而強化學習效果。在評估AI表現的各項測試中，DeepSeek-R1-Zero和DeepSeek-R1的表現都十分優異。梁文鋒團隊總結說，未來研究可以聚焦優化獎勵過程，以確保推理和任務結果更可靠。
