LLMs之DeepSeek：DeepSeek-R1的簡(jiǎn)介、安裝和使用方法、案例應(yīng)用之詳細(xì)攻略

目錄

相關(guān)文章

LLMs之MoE之DeepSeek-V3：DeepSeek-V3的簡(jiǎn)介、安裝和使用方法、案例應(yīng)用之詳細(xì)攻略

LLMs之MoE之DeepSeek-V3：DeepSeek-V3的簡(jiǎn)介、安裝和使用方法、案例應(yīng)用之詳細(xì)攻略-CSDN博客

LLMs之DeepSeek：DeepSeek-R1的簡(jiǎn)介、安裝和使用方法、案例應(yīng)用之詳細(xì)攻略

https://yunyaniu.blog.csdn.net/article/details/145293767

DeepSeek-R1的簡(jiǎn)介

2025年1月20日，正式發(fā)布 DeepSeek-R1，并同步開源模型權(quán)重。DeepSeek-R1是 DeepSeek 推出的第一代推理模型，它包含兩個(gè)主要版本：DeepSeek-R1-Zero 和 DeepSeek-R1。DeepSeek-R1-Zero 和 DeepSeek-R1 基于 DeepSeek-V3-Base 進(jìn)行訓(xùn)練。有關(guān)模型架構(gòu)的更多詳細(xì)信息，請(qǐng)參閱DeepSeek-V3存儲(chǔ)庫(kù)。
>> DeepSeek-R1-Zero：這是一個(gè)通過(guò)大規(guī)模強(qiáng)化學(xué)習(xí)?(RL) 訓(xùn)練的模型，無(wú)需預(yù)先進(jìn)行監(jiān)督微調(diào) (SFT)。它在推理方面表現(xiàn)出色，展現(xiàn)出自我驗(yàn)證、反思和生成長(zhǎng)鏈思維?(CoT) 等能力。然而，它也存在一些問(wèn)題，例如無(wú)限重復(fù)、可讀性差和語(yǔ)言混合。
>> DeepSeek-R1：為了解決 DeepSeek-R1-Zero 的問(wèn)題并進(jìn)一步提升推理性能，DeepSeek-R1在 RL 訓(xùn)練之前加入了冷啟動(dòng)數(shù)據(jù)。其性能與 OpenAI-o1 在數(shù)學(xué)、代碼和推理任務(wù)上相當(dāng)。
● DeepSeek-R1 遵循 MIT License，允許用戶通過(guò)蒸餾技術(shù)借助 R1 訓(xùn)練其他模型。
● DeepSeek-R1 上線 API，對(duì)用戶開放思維鏈輸出，通過(guò)設(shè)置 model='deepseek-reasoner' 即可調(diào)用。
● DeepSeek 官網(wǎng)與 App 即日起同步更新上線。

此外，項(xiàng)目還開源了 DeepSeek-R1-Zero、DeepSeek-R1，以及六個(gè)基于 Llama 和 Qwen 蒸餾出的密集模型 (DeepSeek-R1-Distill 模型)。其中，DeepSeek-R1-Distill-Qwen-32B 在多個(gè)基準(zhǔn)測(cè)試中超越了 OpenAI-o1-mini，在密集模型中取得了新的最先進(jìn)結(jié)果。

GitHub地址：GitHub - deepseek-ai/DeepSeek-R1

1、算法原理

2、模型性能

README 中提供了 DeepSeek-R1在多個(gè)基準(zhǔn)測(cè)試上的評(píng)估結(jié)果，涵蓋了英語(yǔ)和中文的各種推理、代碼和數(shù)學(xué)任務(wù)。 這些結(jié)果表明 DeepSeek-R1在這些任務(wù)上取得了與 OpenAI-o1 相當(dāng)甚至更好的性能。 具體來(lái)說(shuō)，它在以下基準(zhǔn)測(cè)試中表現(xiàn)出色：

英語(yǔ)：MMLU, MMLU-Redux, MMLU-Pro, DROP, IF-Eval, GPQA-Diamond, SimpleQA, FRAMES, AlpacaEval2.0, ArenaHard

代碼：LiveCodeBench, Codeforces, SWE Verified, Aider-Polyglot

數(shù)學(xué)：AIME 2024, MATH-500, CNMO 2024

中文：CLUEWSC, C-Eval, C-SimpleQA

DeepSeek-R1模型：性能對(duì)齊 OpenAI-o1 正式版

DeepSeek-R1 在后訓(xùn)練階段大規(guī)模使用了強(qiáng)化學(xué)習(xí)技術(shù)，在僅有極少標(biāo)注數(shù)據(jù)的情況下，極大提升了模型推理能力。在數(shù)學(xué)、代碼、自然語(yǔ)言推理等任務(wù)上，性能比肩 OpenAI o1 正式版。

在此，我們將 DeepSeek-R1 訓(xùn)練技術(shù)全部公開，以期促進(jìn)技術(shù)社區(qū)的充分交流與創(chuàng)新協(xié)作。

論文鏈接： DeepSeek-R1/DeepSeek_R1.pdf at main · deepseek-ai/DeepSeek-R1 · GitHub

?DeepSeek-R1-Distill模型：蒸餾小模型超越 OpenAI o1-mini

我們?cè)陂_源 DeepSeek-R1-Zero 和 DeepSeek-R1 兩個(gè) 660B 模型的同時(shí)，通過(guò) DeepSeek-R1 的輸出，蒸餾了 6 個(gè)小模型開源給社區(qū)，其中 32B 和 70B 模型在多項(xiàng)能力上實(shí)現(xiàn)了對(duì)標(biāo) OpenAI o1-mini 的效果。

HuggingFace 鏈接： https:///deepseek-ai

3、使用建議

將溫度設(shè)置為 0.5-0.7 之間（推薦 0.6），以防止無(wú)限重復(fù)或輸出不連貫。

避免添加系統(tǒng)提示；所有指令都應(yīng)包含在用戶提示中。

對(duì)于數(shù)學(xué)問(wèn)題，建議在提示中包含指令，例如：“將最終答案放在 \boxed{} 中”。

評(píng)估模型性能時(shí)，建議進(jìn)行多次測(cè)試并平均結(jié)果。

4、開放的許可證和用戶協(xié)議

為了推動(dòng)和鼓勵(lì)開源社區(qū)以及行業(yè)生態(tài)的發(fā)展，在發(fā)布并開源 R1 的同時(shí)，我們同步在協(xié)議授權(quán)層面也進(jìn)行了如下調(diào)整：
模型開源 License 統(tǒng)一使用 MIT。我們?cè)槍?duì)大模型開源的特點(diǎn)，參考當(dāng)前行業(yè)的通行實(shí)踐，特別引入 DeepSeek License 為開源社區(qū)提供授權(quán)，但實(shí)踐表明非標(biāo)準(zhǔn)的開源 License 可能反而增加了開發(fā)者的理解成本。為此，此次我們的開源倉(cāng)庫(kù)（包括模型權(quán)重）統(tǒng)一采用標(biāo)準(zhǔn)化、寬松的 MIT License，完全開源，不限制商用，無(wú)需申請(qǐng)。
產(chǎn)品協(xié)議明確可“模型蒸餾”。為了進(jìn)一步促進(jìn)技術(shù)的開源和共享，我們決定支持用戶進(jìn)行“模型蒸餾”。我們已更新線上產(chǎn)品的用戶協(xié)議，明確允許用戶利用模型輸出、通過(guò)模型蒸餾等方式訓(xùn)練其他模型。

DeepSeek-R1的安裝和使用方法

1、安裝

模型下載：DeepSeek-R1 和 DeepSeek-R1-Distill 模型都可以在 Hugging Face 上下載。

DeepSeek-R1-Zero 和 DeepSeek-R1 基于 DeepSeek-V3-Base 進(jìn)行訓(xùn)練。有關(guān)模型架構(gòu)的更多詳細(xì)信息，請(qǐng)參閱DeepSeek-V3存儲(chǔ)庫(kù)。

DeepSeek-R1-Distill 模型基于開源模型進(jìn)行了微調(diào)，使用了 DeepSeek-R1 生成的樣本。我們對(duì)其配置和分詞器進(jìn)行了輕微更改。請(qǐng)使用我們的設(shè)置來(lái)運(yùn)行這些模型。

2、使用方法

T1、本地運(yùn)行

DeepSeek-R1 模型

有關(guān)在本地運(yùn)行 DeepSeek-R1 的更多信息，請(qǐng)?jiān)L問(wèn)DeepSeek-V3 repo。

DeepSeek-R1-Distill 模型

DeepSeek-R1-Distill 模型可以以與 Qwen 或 Llama 模型相同的方式使用。使用 vLLM 和 SGLang 運(yùn)行 DeepSeek-R1-Distill-Qwen-32B 模型的示例命令

vLLM

vllm serve deepseek-ai/DeepSeek-R1-Distill-Qwen-32B --tensor-parallel-size 2 --max-model-len 32768 --enforce-eager

SGLang

python3 -m sglang.launch_server --model deepseek-ai/DeepSeek-R1-Distill-Qwen-32B --trust-remote-code --tp 2

T2、采用API

DeepSeek 提供了兼容 OpenAI 的 API，地址為 platform.。

下面的代碼以 Python 語(yǔ)言為例，展示了如何訪問(wèn)思維鏈和最終回答，以及如何在多輪對(duì)話中進(jìn)行上下文拼接

官方文檔：推理模型 (deepseek-reasoner) | DeepSeek API Docs

非流式

from openai import OpenAI
client = OpenAI(api_key="<DeepSeek API Key>", base_url="https://api.")

# Round 1
messages = [{"role": "user", "content": "9.11 and 9.8, which is greater?"}]
response = client.chat.completions.create(
    model="deepseek-reasoner",
    messages=messages
)

reasoning_content = response.choices[0].message.reasoning_content
content = response.choices[0].message.content

# Round 2
messages.append({'role': 'assistant', 'content': content})
messages.append({'role': 'user', 'content': "How many Rs are there in the word 'strawberry'?"})
response = client.chat.completions.create(
    model="deepseek-reasoner",
    messages=messages
)
# ...

流式

from openai import OpenAI
client = OpenAI(api_key="<DeepSeek API Key>", base_url="https://api.")

# Round 1
messages = [{"role": "user", "content": "9.11 and 9.8, which is greater?"}]
response = client.chat.completions.create(
    model="deepseek-reasoner",
    messages=messages,
    stream=True
)

reasoning_content = ""
content = ""

for chunk in response:
    if chunk.choices[0].delta.reasoning_content:
        reasoning_content += chunk.choices[0].delta.reasoning_content
    else:
        content += chunk.choices[0].delta.content

# Round 2
messages.append({"role": "assistant", "content": content})
messages.append({'role': 'user', 'content': "How many Rs are there in the word 'strawberry'?"})
response = client.chat.completions.create(
    model="deepseek-reasoner",
    messages=messages,
    stream=True
)
# ...

T3、在線聊天

用戶可以通過(guò) DeepSeek 的官方網(wǎng)站 chat. 與 DeepSeek-R1 進(jìn)行交互。

在線測(cè)試地址：DeepSeek

邏輯問(wèn)題測(cè)試：測(cè)試“甲乙丙丁誰(shuí)是小偷”——兩者均回答正確，雖然OpenAI更快，但DeepSeek-R1性價(jià)超高！

邏輯問(wèn)題測(cè)試：測(cè)試央視撒貝寧提出的“誰(shuí)是小偷”邏輯問(wèn)題

DeepSeek-R1的案例應(yīng)用

持續(xù)更新中……