原创：谭婧

指导教授：王金桥，张家俊

白天有太多干扰，

某日临睡前，和一位百度的朋友聊几句，

我说了一句：“不把DeepSeek写爽，我不想开别的选题。”

还配上了态度的表情包，

朋友回复说，他要笑死了。

DeepSeek那几篇论文和技术报告，

于我而言，常看常新。

吃不吃的透是其次，态度要有，

学习是最好的致敬。

思考中，我反复陷入旧思路，

需要在王金桥，张家俊教授（武汉人工智能研究院）的多次提醒下，重新理解，推理大模型的出现，迫使之前玩法都变成“传统模型”，推理大模型的大门已经打开，你进不进，它都在那里。

跪谢DeepSeek，“开源推理大模型”套路开创者，

一把节约几年的时间，

一起跨入“推理大模型”的大门。

一番新景致，好不淋漓畅快。

01

先讲，什么是思维链吧，

这是推理大模型的一种能力。

好家伙，一句话包括两个新名词：

“思维链”“推理大模型”，

热门话题，很多人都讲了，

我不赘述，直接看例子。

对比，普通模型和有思维链能力的模型。

题目：

车起点是A点，经过5公里后到达B点，

再经过3公里后到达C点，

请问车从A到C总距离是多少？

普通模型，直接回答：“8公里”。

答案虽然正确，但没有一步一步讲算的过程。

而有思维链（CoT）能力的模型，

回答时，有解题步骤和过程，

给出推理链条的各个环节。

回答：

从A到B距离5公里。

从B到C距离3公里。

所以，从A到C总距离是5公里加上3公里，

总共8公里。

推理大模型“给出解题过程”这件事，

在复杂的问题中显得尤为重要。

先说什么是“复杂”？

意味着，当我们需要多步推理，

多步解题、长篇逻辑推导的时候。

有人认为，给正确答案就行了，何必有步骤？

只给答案当然不够，

比如侦探破案，不仅要知道谁是罪犯，

还要知道是怎么推理出来的。

除了说服法官，你还要说服陪审团，

甚至赢得公众的理解和支持。

展示推理过程，能帮助别人理解这个过程，

学到关键，尤其在复杂问题中，

步骤和过程比单纯答案还能增强我们对结果的信任。日后反思，也知道错在哪里。

要我说，既然要顺藤摸瓜，

这个藤和这个瓜同样重要。

“藤”在这里是指的两件事情，

一个是“推理中的步骤”，也是“训练过程”。

好的，既然推理大模型这么重要，

那么问题来了，怎么得到它？

或者说，怎么得到世间最好的推理大模型？

02

能问出这个问题，真是志存高远，

因为相信，所以看见，

OpenAI O1做出来了，

DeepSeek也做出来了，

是首个复现OpenAI O1模型的开源模型。

国货之光，当之无愧。

有人吐槽，DeepSeek只有模型参数开源，

训练数据和训练过程并未开源。

先反驳一句，

这种开源方式在大模型领域本就主流。

这已经很Open了，

比OpenAI不知道Open到哪里去了。

“开源”模型并不意味着啥都告诉你。

那要不要手把手教会你？

在这个点上吐槽DeepSeek，完全忍不了。

而且，我在后文中亦会分析，

这样“有极高技术含量，

且依然成谜”的点，还有哪些。

前面提到的未开源的“训练过程”，

这是件很学术，很实验，很工程的事情，

“人话版”就是：“如何得到推理大模型？

DeepSeek得到了，且创新点密度之高，叹为观止。

而且会在整个训练过程中从头到尾不断出现，

这样“创新”含量极高的一个过程，

其本身也是一种创新。

所以，我想先写R1模型的训练过程。

而且，训练过程这件事，比蒸馏重要多了。

就技术含量来讲，

“蒸馏”和“训练过程”完全不在一个级别上。

在“训练过程”面前，

”蒸馏“充其量是低处好摘的果子。

因为R1在V3之后发布，且R1比V3更好理解，

想吃透，我的方法是：

学习顺序是倒序。

我写稿AI深度稿8年，

都没有信心把这几个模型吃透，

过去软弱的我已经死了，现在是更软弱的我。

话说回来，R1模型的训练过程，论文里虽有描述，

但业界仍然有不同观点。

咱们花开两朵，各表一枝。

先谈，我不同意的，

再谈，我同意的。

我观察到，整个训练过程中的一些中间模型，

它们并没有被接着训练下去，

其中一些甚至被“舍弃”了，

或者说好听点，“退休”了。

这时候，应该深度思考，

如果他们被构建出来之后，

并不参与下一个训练流程，

那他们被造出来的目的和意义是什么？

想通这点，才能算理解了这篇文章的核心。

回到我的结论，我不认为是R1的训练过程是下面这样。

03

再看第二种，我同意的训练过程，

整个训练过程，可转化为这样一套朴素的想法：

以上，是我理解了王金桥和张家俊两位教授核心观点后总结的，

细心的读者可能已经发现了，

这个过程正巧是一个人类思维链。

确实是用思维链解释思维链大模型的思维链。

（禁止俄罗斯套娃梗）

04

高质量推理数据的含金量还在增加，

到底怎么理解？

开个玩笑，拿来300集《名侦探柯南》，

全套《福尔摩斯》，这些也是推理数据？

当然不是，它们只含有推理的信息。

这么说推理数据吧：

是高难度数据，极难获得的高质量数据。

数据里面得有完整解题步骤，

得有各种推理方式，

得逻辑有连贯性；

这么好的数据哪里找？

回答这个问题，

先得知道一个著名的模型叫“R1-Zero”，简称Zero；

这种模型通过纯强化学习过程开发，

“激发”⼤型语⾔模型推理能⼒的潜⼒。

R1论文报告标题里也用的“激发”一词。

我管这种训练方法叫纯血强化学习，很特别。

不仅Zero的这个训练方法太特别了，

而且还有一个大用，就是造数据。

换句话说，整个过程中，不仅拿Zero来造数据，

造完数据Zero模型虽然已经宣布退休了，

但是造Zero模型的方法还在继续使用。

所以Zero一定要留下名字。

在易被忽略之处，还有一个没有名字的模型，

诚如开发者所愿，它连名字都不配拥有，

就叫“中间模型”吧，也可以叫“无名模型”。

中间模型存在的意义和价值，

就是构造第二个微调阶段所需要的高质量的数据。

而“无名模型”正是构建高质量（CoT）数据的幕后推手。这个模型可能并不直接负责输出最终的推理链，但它为后续的微调和优化提供了极为关键的支持：高质量数据。

也就是说为了造数据，

模型都专门训练了两种：有名的和无名的。

我不禁喟叹，DeepSeek：为了造数据，我造了模型，

电影《邪不压正》里姜文的声音，飘入脑海：

就是为了这点醋，我才包的这顿饺子。

冷启动（SFT）是什么意思？

一方面是说它用的数据特别少，才几千条。

无论多少，没有数据，这件事还是干不了。

这几千条数据谁帮忙造的？

答案是Zero模型。

没有Zero模型给你造数据，神仙也干不成。

第一阶段先冷启动（SFT），

然后用强化学习增强模型的推理能力，

尤其是在数学，代码上。

这时候，事情结束了吗？

当然没有，第一阶段后面是第二阶段，

这句话显然不是废话，

因为第二阶段对高质量数据的要求更大，

你也不能再冷启动一次了，

于是，又进行了一次第二阶段的SFT和强化学习。

细数一下，微调（SFT）和强化学习分别做了两次，前面讲了，第二阶段的数据，

比第一阶段的数据要求更多，

大约60万高质量推理数据，20万非推理数据，

V3还在中间当了裁判，

质量不行，看不懂的数据直接不要了。

这60万数据是精挑细选后的，

那没有挑选之前的数据哪里来的呢？

那个无名模型，也就是中间模型，

默默地支撑了。

这里可以插一句：

“有极高技术含量，且依然成谜”的点这里也有，

请问这20万数据的类型配比是啥？

这是一道思考题，也是一道实践题。

我们言归正传，下面怎么办呢？

又把V3拿来用了。

这时候，我们甚至可以再细数一下，

V3用一次，V3用两次，V3用三次，

才得到了R1这个模型。

所以，R1它就像啥？

就像一个俄罗斯套娃，不对，是三个。

要我说，DeepSeek在训练方式上的独具创新之处在于，

每个人都想增强模型的推理能力。

而DeepSeek为它的增强推理能力，

造了一个模型，又造了“造数据的模型”，

还造了造模型造数据的方法。

张家俊教授的观点是：

“DeepSeek他们可能有一个信念，数学和代码等专用领域的推理能力可以泛化到通用。之前我们见到更多的，是先做通用，然后再训练专用能力成为一个专用模型，例如通用模型到行业模型再到场景模型。而这次通用领域推理能力的习得则采用了相反的思路，先搞定专用领域模型推理能力的学习范式，再由专用模型的推理能力牵引泛化至通用领域。”

“然后，虽然DeepSeek R1中如何构造高质量推理和通用数据至关重要，本质上R1 Zero是最大的创新。构建R1的整个过程可能也是不断尝试和折中的结果，最理想情况应该是希望R1 Zero就能实现通用领域推理能力的直接泛化，后来发现Zero只有专用推理能力，而且推理过程语言混杂可读性差，不过可喜的是能生产比较完整的推理数据了，那就退回经典的SFT+RL的范式，为了造更高质量的推理数据，就有了第一阶段的冷启动+Zero推理方法。”

如此独具匠心的设计，

有“因为相信所以看到”这样的信仰，

而我还停留在“因为看到，所以相信”。

这次就到这里，

很多时新酷炫的专业术语都被我删减了，

因为在此时此刻，它们都不重要。

这篇科普漫画看完已经发给我妈了，

又不是多难，别人妈妈会的，我妈也要会。

毕竟，她从小也是这么教育我的。

春节期间，我已经在饭桌上被狂轰乱炸了个遍，

从我妈到七大姑八大姨，

谁不想懂DeepSeek呢。

（完）

One More Thing

我知道有的数据团队在爬我公众号上的内容，

感谢视其为高质量数据，

说实话，我不愿意，

而又无力阻止。

我能做的就是，精品和核心内容会更多的向漫画上迁移，

一方面文章更好看，

另一方面，想把数据拿走，

你们就得必须再接一套Caption方案；

效果好不好，不知道了，

反正成本是更高了，

这可以视为，

我对AI版权问题有声的抵抗。