谷歌新发现：DeepSeek推理分裂出多重人格，左右脑互搏越来越聪明

\u003cdiv class=\"rich_media_content\"\u003e\u003cblockquote\u003e\u003cp\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e闻乐发自凹非寺\u003c/span\u003e\u003c/p\u003e\u003cp\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e量子位 | 公众号 QbitAI\u003c/span\u003e\u003c/p\u003e\u003c/blockquote\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003eAI变聪明的真相居然是正在“\u003c!--VERTICAL_CARD_BEGIN_0--\u003e脑内群聊\u003c!--VERTICAL_CARD_END_0--\u003e”？！\u003c/span\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e谷歌最新研究表明，DeepSeek-R1这类顶尖推理模型在解题时，内部会自发“分裂”出不同性格的虚拟人格，比如外向的、严谨的、多疑的……\u003c/span\u003e\u003c!--MID_AD_0--\u003e\u003c!--EOP_0--\u003e\u003c/p\u003e\u003c!--PARAGRAPH_0--\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e大模型的解题推理过程，就是这些人格一场精彩的社交、辩论会；\u003c!--VERTICAL_CARD_BEGIN_1--\u003e左右脑互搏\u003c!--VERTICAL_CARD_END_1--\u003ebe like：\u003c/span\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e“这个思路对吗？试试这样验证……”\u003cbr/\u003e“不对，之前的假设忽略了xx条件”\u003cbr/\u003e……\u003c/span\u003e\u003c/p\u003e\u003cp style=\"text-align: center\"\u003e\u003cspan style=\"font-size: 12px; display: flex; color: #999999; align-items: center;\"\u003e\u003csvg width=\"1.4em\" height=\"1.4em\" viewBox=\"0 0 18 18\" xmlns=\"http://www.w3.org/2000/svg\"\u003e\u003cmask id=\"exclamation-mask\"\u003e\u003crect width=\"16\" height=\"16\" fill=\"white\"\u003e\u003c/rect\u003e\u003cpath d=\"M8 3.5a1 1 0 0 1 1 1v4a1 1 0 1 1-2 0v-4a1 1 0 0 1 1-1zM8 12a1 1 0 1 0 0-2 1 1 0 0 0 0 2z\" fill=\"black\"\u003e\u003c/path\u003e\u003c/mask\u003e\u003ccircle cx=\"8\" cy=\"8\" r=\"8\" fill=\"#999999\" mask=\"url(#exclamation-mask)\"\u003e\u003c/circle\u003e\u003c/svg\u003e 该图片可能由AI生成\u003c/span\u003e\u003c!--IMG_0--\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e有意思的是，AI还\u003c/span\u003e\u003cstrong\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e越吵越聪明\u003c/span\u003e\u003c/strong\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e。\u003c/span\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e研究发现，当遇到\u003c!--VERTICAL_CARD_BEGIN_2--\u003eGPQA\u003c!--VERTICAL_CARD_END_2--\u003e graduate-level科学问题、复杂数学推导这类高难度任务时，这种内部观点冲突会变得更加激烈。\u003c/span\u003e\u003c!--MID_AD_1--\u003e\u003c!--EOP_1--\u003e\u003c/p\u003e\u003c!--PARAGRAPH_1--\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e相比之下，面对布尔表达式、基础逻辑推理等简单任务，模型的脑内对话会明显减少。\u003c/span\u003e\u003c/p\u003e\u003cp style=\"text-align: center\"\u003e\u003c!--IMG_1--\u003e\u003c/p\u003e\u003ch1 style=\"text-align: start\"\u003e\u003c!--HPOS_0--\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e模型推理过程就是“左右脑互搏”\u003c/span\u003e\u003c/h1\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e团队通过分析DeepSeek-R1和QwQ-32B等模型的思维轨迹发现，它们的推理过程充满了对话感。\u003c/span\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e内部分裂出来的虚拟角色不仅性格迥异，还能覆盖更多解题角度。\u003c/span\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e创意型角色擅长提出新颖思路，批判型角色专注挑错补漏，执行型角色负责落地验证……\u003c/span\u003e\u003c/p\u003e\u003cp style=\"text-align: center\"\u003e\u003c!--IMG_2--\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e通过这些人格的一场交流，不同观点的碰撞能让模型更全面地审视解决方案。\u003c/span\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e就连网友都说，自己在思考的时候，也会“左右脑互搏”。\u003c/span\u003e\u003c/p\u003e\u003cp style=\"text-align: center\"\u003e\u003c!--IMG_3--\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e不过，这种多角色互动并不是开发人员刻意设计的，而是模型在追求推理准确率的过程中自发形成的。\u003c/span\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e那么实验是如何证明这一点的呢？\u003c/span\u003e\u003c/p\u003e\u003cp style=\"text-align: center\"\u003e\u003c!--IMG_4--\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e团队借助\u003c!--VERTICAL_CARD_BEGIN_3--\u003e稀疏自编码器SAE\u003c!--VERTICAL_CARD_END_3--\u003e，对AI的推理黑盒进行了深度解码，成功“监听”到了AI的脑内群聊。\u003c/span\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e首先，研究者让AI执行复杂的数学或逻辑推理任务。在模型产出思维链的同时，团队同步提取其隐藏层神经元的激活数值。\u003c/span\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e但此时的数据是由数亿个参数构成的复杂非线性信号，无法直接对应任何语义。\u003c/span\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e将这些激活数据输入SAE，通过SAE的稀疏约束机制，就可以把杂乱的激活拆解为“自问自答”、“切换视角”等独立的对话语义特征；\u003c/span\u003e\u003c!--MID_AD_2--\u003e\u003c!--EOP_2--\u003e\u003c/p\u003e\u003c!--PARAGRAPH_2--\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e通过分析这些特征的激活频率以及它们在时间序列上的协同关系，团队成功识别出了不同的内部逻辑实体。\u003c/span\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e再给上述特征打上“规划者”、“验证者”等虚拟角色的标签，就成功解码了AI内部的多角色对话行为。\u003c/span\u003e\u003c/p\u003e\u003ch1 style=\"text-align: start\"\u003e\u003c!--HPOS_1--\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e“哦！”能让推理更准确\u003c/span\u003e\u003c/h1\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e通过对比DeepSeek-R1与\u003c!--VERTICAL_CARD_BEGIN_4--\u003eDeepSeek-V3\u003c!--VERTICAL_CARD_END_4--\u003e、Qwen-2.5-32B-IT这类普通指令模型的推理轨迹，发现\u003c/span\u003e\u003cstrong\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e推理模型的对话式行为出现的频率显著更高\u003c/span\u003e\u003c/strong\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e。\u003c/span\u003e\u003c/p\u003e\u003cp style=\"text-align: center\"\u003e\u003c!--IMG_5--\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e这里还有个很有意思的发现——\u003c/span\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cstrong\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e“哦！”能让推理更准确。\u003c/span\u003e\u003c/strong\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e当团队通过激活添加法强化模型的对话特征，放大“哦！”这类表达惊讶、转折的话语标记时，模型在Countdown算术推理任务中的准确率直接从27.1%翻倍至54.8%。\u003c/span\u003e\u003c/p\u003e\u003cp style=\"text-align: center\"\u003e\u003c!--IMG_6--\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e更关键的实验证据来自强化学习训练。\u003c/span\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e研究人员不提供任何对话结构的训练信号，只奖励模型答对题目的行为，结果发现模型会自发学会用对话式思考；\u003c/span\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e而先通过多智能体对话数据对模型进行微调，再进行推理训练，进步速度会远快于直接训练推理或用独白式推理数据微调的模型。\u003c/span\u003e\u003c!--MID_AD_3--\u003e\u003c!--EOP_3--\u003e\u003c/p\u003e\u003c!--PARAGRAPH_3--\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e在Qwen-2.5-3B和Llama-3.2-3B两个模型体系中，早期训练阶段对话微调模型的准确率比独白微调模型高出10%以上，Llama-3.2-3B到训练后期差距甚至扩大到22%。\u003c/span\u003e\u003c/p\u003e\u003cp style=\"text-align: center\"\u003e\u003c!--IMG_7--\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e这一发现恰好呼应了人类演化生物学中的著名理论\u003c/span\u003e\u003cstrong\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e\u003c!--VERTICAL_CARD_BEGIN_5--\u003e社会脑假说\u003c!--VERTICAL_CARD_END_5--\u003e\u003c/span\u003e\u003c/strong\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e。\u003c/span\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e假说认为人类大脑的进化主要是为了应对复杂的社交关系和群体互动需求。\u003c/span\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e如今看来，AI也是一样，为了变聪明，得先会和不同“人格”社交！\u003c/span\u003e\u003c/p\u003e\u003cp style=\"line-height: 1.75; margin-bottom: 20px; margin-left: 0px; margin-right: 0px; margin-top: 20px\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e论文地址：\u003c!--SECURE_LINK_BEGIN_0--\u003ehttps://arxiv.org/abs/2601.10825\u003c!--SECURE_LINK_END_0--\u003e\u003cbr/\u003e参考链接：https://x.com/sebkrier/status/2013331596863041731\u003c/span\u003e\u003c!--MID_AD_4--\u003e\u003c!--EOP_4--\u003e\u003c/p\u003e\u003c!--PARAGRAPH_4--\u003e\u003cp style=\"text-align: start\"\u003e\u003cspan style=\"color: rgb(0, 0, 0)\"\u003e— 完 —\u003c/span\u003e\u003c/p\u003e\u003cdiv powered-by=\"qqnews_ex-editor\"\u003e\u003c/div\u003e\u003cstyle\u003e.rich_media_content{--news-tabel-th-night-color: #444444;--news-font-day-color: #333;--news-font-night-color: #d9d9d9;--news-bottom-distance: 22px}.rich_media_content p:not([data-exeditor-arbitrary-box=image-box]){letter-spacing:.5px;line-height:30px;margin-bottom:var(--news-bottom-distance);word-wrap:break-word}.rich_media_content .qn-editor-copy p:not([data-exeditor-arbitrary-box=image-box]){letter-spacing:unset;line-height:unset;margin-bottom:unset;word-wrap:unset}.rich_media_content{color:var(--news-font-day-color);font-size:18px}@media(prefers-color-scheme:dark){body:not([data-weui-theme=light]):not([dark-mode-disable=true]) .rich_media_content p:not([data-exeditor-arbitrary-box=image-box]){letter-spacing:.5px;line-height:30px;margin-bottom:var(--news-bottom-distance);word-wrap:break-word}body:not([data-weui-theme=light]):not([dark-mode-disable=true]) .rich_media_content .qn-editor-copy p:not([data-exeditor-arbitrary-box=image-box]):not(.qn-editor-copy){letter-spacing:unset;line-height:unset;margin-bottom:unset;word-wrap:unset}body:not([data-weui-theme=light]):not([dark-mode-disable=true]) .rich_media_content{color:var(--news-font-night-color)}}.data_color_scheme_dark .rich_media_content p:not([data-exeditor-arbitrary-box=image-box]){letter-spacing:.5px;line-height:30px;margin-bottom:var(--news-bottom-distance);word-wrap:break-word}.data_color_scheme_dark .rich_media_content .qn-editor-copy p:not([data-exeditor-arbitrary-box=image-box]){letter-spacing:unset;line-height:unset;margin-bottom:unset;word-wrap:unset}.data_color_scheme_dark .rich_media_content{color:var(--news-font-night-color)}.data_color_scheme_dark .rich_media_content{font-size:18px}.rich_media_content p[data-exeditor-arbitrary-box=image-box]{margin-bottom:11px}.rich_media_content\u003ediv:not(.qnt-video),.rich_media_content\u003esection{margin-bottom:var(--news-bottom-distance)}.rich_media_content hr{margin-bottom:var(--news-bottom-distance)}.rich_media_content .link_list{margin:0;margin-top:20px;min-height:0!important}.rich_media_content blockquote{background:#f9f9f9;border-left:6px solid #ccc;margin:1.5em 10px;padding:.5em 10px}.rich_media_content blockquote p{margin-bottom:0!important}.data_color_scheme_dark .rich_media_content blockquote{background:#323232}@media(prefers-color-scheme:dark){body:not([data-weui-theme=light]):not([dark-mode-disable=true]) .rich_media_content blockquote{background:#323232}}.rich_media_content ol[data-ex-list]{--ol-start: 1;--ol-list-style-type: decimal;list-style-type:none;counter-reset:olCounter calc(var(--ol-start,1) - 1);position:relative}.rich_media_content ol[data-ex-list]\u003eli\u003e:first-child::before{content:counter(olCounter,var(--ol-list-style-type)) '. ';counter-increment:olCounter;font-variant-numeric:tabular-nums;display:inline-block}.rich_media_content ul[data-ex-list]{--ul-list-style-type: circle;list-style-type:none;position:relative}.rich_media_content ul[data-ex-list].nonUnicode-list-style-type\u003eli\u003e:first-child::before{content:var(--ul-list-style-type) ' ';font-variant-numeric:tabular-nums;display:inline-block;transform:scale(0.5)}.rich_media_content ul[data-ex-list].unicode-list-style-type\u003eli\u003e:first-child::before{content:var(--ul-list-style-type) ' ';font-variant-numeric:tabular-nums;display:inline-block;transform:scale(0.8)}.rich_media_content ol:not([data-ex-list]){padding-left:revert}.rich_media_content ul:not([data-ex-list]){padding-left:revert}.rich_media_content table{display:table;border-collapse:collapse;margin-bottom:var(--news-bottom-distance)}.rich_media_content table th,.rich_media_content table td{word-wrap:break-word;border:1px solid #ddd;white-space:nowrap;padding:2px 5px}.rich_media_content table th{font-weight:700;background-color:#f0f0f0;text-align:left}.rich_media_content table p{margin-bottom:0!important}.data_color_scheme_dark .rich_media_content table th{background:var(--news-tabel-th-night-color)}@media(prefers-color-scheme:dark){body:not([data-weui-theme=light]):not([dark-mode-disable=true]) .rich_media_content table th{background:var(--news-tabel-th-night-color)}}.rich_media_content .qqnews_image_desc,.rich_media_content p[type=om-image-desc]{line-height:20px!important;text-align:center!important;font-size:14px!important;color:#666!important}.rich_media_content div[data-exeditor-arbitrary-box=wrap]:not([data-exeditor-arbitrary-box-special-style]){max-width:100%}.rich_media_content .qqnews-content{--wmfont: 0;--wmcolor: transparent;font-size:var(--wmfont);color:var(--wmcolor);line-height:var(--wmfont)!important;margin-bottom:var(--wmfont)!important}.rich_media_content .qqnews_sign_emphasis{background:#f7f7f7}.rich_media_content .qqnews_sign_emphasis ol{word-wrap:break-word;border:none;color:#5c5c5c;line-height:28px;list-style:none;margin:14px 0 6px;padding:16px 15px 4px}.rich_media_content .qqnews_sign_emphasis p{margin-bottom:12px!important}.rich_media_content .qqnews_sign_emphasis ol\u003eli\u003ep{padding-left:30px}.rich_media_content .qqnews_sign_emphasis ol\u003eli{list-style:none}.rich_media_content .qqnews_sign_emphasis ol\u003eli\u003ep:first-child::before{margin-left:-30px;content:counter(olCounter,decimal) ''!important;counter-increment:olCounter!important;font-variant-numeric:tabular-nums!important;background:#37f;border-radius:2px;color:#fff;font-size:15px;font-style:normal;text-align:center;line-height:18px;width:18px;height:18px;margin-right:12px;position:relative;top:-1px}.data_color_scheme_dark .rich_media_content .qqnews_sign_emphasis{background:#262626}.data_color_scheme_dark .rich_media_content .qqnews_sign_emphasis ol\u003eli\u003ep{color:#a9a9a9}@media(prefers-color-scheme:dark){body:not([data-weui-theme=light]):not([dark-mode-disable=true]) .rich_media_content .qqnews_sign_emphasis{background:#262626}body:not([data-weui-theme=light]):not([dark-mode-disable=true]) .rich_media_content .qqnews_sign_emphasis ol\u003eli\u003ep{color:#a9a9a9}}.rich_media_content h1,.rich_media_content h2,.rich_media_content h3,.rich_media_content h4,.rich_media_content h5,.rich_media_content h6{margin-bottom:var(--news-bottom-distance);font-weight:700}.rich_media_content h1{font-size:20px}.rich_media_content h2,.rich_media_content h3{font-size:19px}.rich_media_content h4,.rich_media_content h5,.rich_media_content h6{font-size:18px}.rich_media_content li:empty{display:none}.rich_media_content ul,.rich_media_content ol{margin-bottom:var(--news-bottom-distance)}.rich_media_content div\u003ep:only-child{margin-bottom:0!important}.rich_media_content .cms-cke-widget-title-wrap p{margin-bottom:0!important}\u003c/style\u003e\u003c/div\u003e

【纠错】【责任编辑:比亚迪唐二代】

深度观察

新华全媒头条丨赵子豪发文告别国乒：离开不是结束，是属于下一个人生阶段的开始