正文：2026年1月，DeepSeek悄然更新了其R1技术报告，新增64页详细内容，系统性公开了R1模型的完整训练路径。训练分为冷启动、推理导向RL、拒绝采样与再微调、对齐导向RL四步，并补充了关于反思能力涌现的分析及安全性提升细节。团队构建了10.6万条提示的安全数据集，并通过风险控制系统显著提升了模型安全性。此外，论文作者栏显示核心团队保持稳定，甚至有离职成员回归。此次更新信息密度极高，被视作对R1研究的总结，引发外界猜测DeepSeek或将在春节发布更大动作，如R2或V4模型。v2版论文链接：