當初OpenAI拋出Sora大餅，一時間Open Sora項目熱火朝天。

現在，這股Open的風也是反向吹起來了，最新目標，正是國產大模型DeepSeek-R1。

圖片

Open R1項目由HuggingFace發起，聯合創始人兼CEO Clem Delangue是這么說的：

我們的科學團隊已經開始致力于完全復制和開源R1，包括訓練數據、訓練腳本……

我們希望能充分發揮開源AI的力量，讓全世界每個人都能受益于AI的進步！我相信這也有助于揭穿一些神話。

HuggingFace振臂一呼，立刻歡呼者眾。項目上線僅1天，就在GitHub上刷下1.9k標星。

圖片

看來這一波，DeepSeek-R1真是給全球大模型圈帶來了不小的震撼，并且影響還在持續。

Open R1

不過話說回來，DeepSeek-R1本身就是開源的，HuggingFace搞這么個“Open R1”項目，又是為何？

官方在項目頁中做了解釋：

這個項目的目的是構建R1 pipeline中缺失的部分，以便所有人都能在此之上復制和構建R1。

HuggingFace表示，將以DeepSeek-R1的技術報告為指導，分3個步驟完成這個項目：

• 第1步：用DeepSeek-R1蒸餾高質量語料庫，來復制R1-Distill模型。
• 第2步：復制DeepSeek用來構建R1-Zero的純強化學習（RL）pipeline。這可能涉及為數學、推理和代碼整理新的大規模數據集。
• 第3步：通過多階段訓練，從基礎模型過渡到RL版本。

圖片

結合DeepSeek的官方技術報告來看，也就是說，Open R1項目首先要實現的，是用R1數據蒸餾小模型，看看效果是不是像DeepSeek說的那么好：

DeepSeek開源了6個用R1蒸餾的小模型，其中蒸餾版Qwen-1.5甚至能在部分任務上超過GPT-4o。

圖片

接下來，就是按照DeepSeek所說，不用SFT，純靠RL調教出R1-Zero，再在R1-Zero的基礎上復刻出性能逼近o1的R1模型。

其中多階段訓練是指，R1技術報告提到，DeepSeek-R1訓練過程中引入了一個多階段訓練流程，具體包括以下4個階段：

• 冷啟動

用數千個長思維鏈（CoT）樣本對基礎模型進行監督微調（SFT），為模型提供初始的推理能力

• 面向推理的強化學習

在第一個SFT階段的基礎之上，用和訓練R1-Zero相同的大規模強化學習方法，進一步提升模型的推理能力，特別是應對編程、數學、科學和邏輯推理任務的能力。

• 拒絕采樣和監督微調

再次使用監督微調，提升模型的非推理能力，如事實知識、對話能力等。

• 針對所有場景的強化學習

這次強化學習的重點是讓模型行為與人類偏好保持一致，提升模型的可用性和安全性。

目前，在GitHub倉庫中，已經可以看到這幾個文件：

• GRPO實現
• 訓練和評估代碼
• 合成數據生成器

圖片

奧特曼坐不住了

有意思的是，R1刷屏之中，奧特曼也坐不住了。

這不，他又帶來了o3-mini的最新劇透：

ChatGPT Plus會員可以每天獲得100條o3-mini查詢。

Plus會員馬上就能用上operator了，我們正在盡力！

下一個智能體Plus會員首發就能用。

圖片

這話一出，??的空氣中充滿了快樂的氣息（doge）：

哇！DeepSeek正在讓OpenAI主動大甩賣誒！

圖片

參考鏈接：
[1]https://github.com/huggingface/open-r1[2]https://x.com/ClementDelangue/status/1883154611348910181