一水 发自 凹非寺 量子位 | 公众号 QbitAI 全网翘首以盼的 DeepSeek-R2 ，再次被曝推迟！ 据The Information报道，由于DeepSeek CEO梁文锋始终对R2的表现不满意，因此R2迟迟未能发布。 此外，他们还援引两位国内知情人士的消息称，R2研发进程缓慢可能是由于 缺少英伟达H20芯片 。 要知道R1的训练总计耗费了3万块H20 （国内特供版） 、1万块H800和1万块H100。 所以在H20吃紧的情况下，预计耗费更多算力资源的R2难免受到波及。 事实上，这不是R2第一次被曝项目延期了，最早能追溯到今年4月—— 一览R2"难产"始末 仔细一梳理，原来人们对R2的期待， 早在V3新版本出来后就开始了 。 去年12月底，DeepSeek发布了至今被视为"性价比代表"的DeepSeek-V3模型。到了今年3月24日，官方发布公告称对V3进行了一次升级， 新版本代号为V3-0324。 首次提出通过在线强化学习（RL）优化原则和批判生成，实现推理时扩展。 虽然官方轻描淡写只说是"小版本升级"，但很多人实测下来可一点也不小。 于是人们开始推测，在V3-0324已经取得明显进步的情况下， ...

金磊 发自 凹非寺 量子位 | 公众号 QbitAI 有点意思。 这不 DeepSeek 前脚刚刚上新了一篇关于推理时Scaling Law的论文嘛，引得大家纷纷联想 是不是R2马上要来了 。 然鹅……奥特曼这边却发了一条"变卦"的消息： 计划改变：我们可能在几周之后 先发布o3和o4-mini 。 至于大家翘首以盼的 GPT-5 ，奥特曼表示： 将在几个月之后，而且效果会比我们最初设想的还要好。 至于原因，奥特曼也做出了解释。 大概意思就是，顺利整合所有内容比他们想象的要困难得多，希望确保有足够的能力来支持预期的需求。 咱就是说啊，现在真的是DeepSeek这边一有点声响，OpenAI那边就得有点动作来紧跟一下了。 DeepSeek新论文 在这个小插曲之后呢，我们还是把目光聚焦在DeepSeek这篇新论文身上。 这篇论文的名字叫做 Inference-Time Scaling for Generalist Reward Modeling ，由DeepSeek和清华大学共同提出。 这篇研究核心的亮点，就是提出了一个叫做 SPCT方法 （Self-Principled Critique Tuning）的方法—— ...