-
DeepSeek-R1 更新，思考更深，推理更强
DeepSeek 发布了其 R1 模型的小版本更新 DeepSeek-R1-0528，基于 DeepSeek V3 Base 基座，通过增强后训练显著提升了模型的思维深度和推理能力。新版本在数学、编程和通用逻辑等多项基准测试中表现优异，特别是在复杂推理任务如 AIME 2025 中准确率大幅提升。文章提到模型在解题过程中使用了更多 tokens 进行深入思考。此外，新版模型优化了幻觉问题，降低幻觉…- 0
- 0
-
DeepSeek V3.2 正式版：强化 Agent 能力，融入思考推理
DeepSeek 正式发布了两款具有里程碑意义的大语言模型：DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale。DeepSeek-V3.2 旨在平衡卓越推理能力与高效输出长度，特别适用于日常问答和通用 Agent 任务，在公开推理 Benchmark 中已达到 GPT-5 水平，且相比同类模型显著降低了计算开销和用户等待时间。DeepSeek-V3.2-Speciale …- 0
- 0
-
从 o1-mini 到 DeepSeek-R1，万字长文带你读懂推理模型的历史与技术
文章详细梳理了推理模型从 OpenAI 的 o1-mini 到 DeepSeek-R1 的发展历程，并深入探讨了其背后的技术原理。首先介绍了推理模型与标准 LLM 的区别，强调了长思维链在推理过程中的重要作用。接着，文章深入分析了如何通过强化学习训练推理模型，特别是利用可验证奖励进行训练的方法。此外，还探讨了推理时间策略，如思维链和解码技术，以及并行解码和自我优化等方法。文章重点介绍了 DeepS…- 0
- 0
-
全新开源的 DeepSeek-OCR，可能是最近最惊喜的模型。
文章详细介绍了 DeepSeek 团队全新开源的 DeepSeek-OCR 模型，指出其并非传统意义上的 OCR 工具，而是一种革命性的长文本上下文处理方案。传统大模型在处理长文本时面临计算复杂度呈平方级增长的困境，DeepSeek-OCR 通过将文本内容“压缩”成二维图像，再编码为视觉 Token，大幅降低了上下文窗口的 Token 消耗，实现了高达 10 倍的压缩比并保持高识别准确率。文章通过…- 0
- 0
-
DeepSeek-R1 发布，性能对标 OpenAI o1 正式版
DeepSeek 正式发布了 DeepSeek-R1 模型，该模型在数学、代码、自然语言推理等任务上性能对标 OpenAI o1 正式版。DeepSeek-R1 在后训练阶段大规模使用了强化学习技术，极大提升了模型推理能力。DeepSeek 不仅开源了模型权重，还提供了 API 服务，允许用户通过设置 `model='deepseek-reasoner'` 调用思维链输出。此外…- 0
- 0
-
DeepSeek 新模型被硅谷夸疯了！用二维视觉压缩一维文字，单 GPU 能跑，"谷歌核心机密被开源"
文章详细介绍了 DeepSeek 最新开源的 DeepSeek-OCR 模型，该模型创新性地提出“上下文光学压缩”思路，利用视觉方式高效压缩文本信息，显著降低大模型处理长文本的计算开销。通过将文字信息转化为少量视觉 token，实现了高达 10 倍的压缩率，同时保持 97%的 OCR 解码准确率，并在主流文档解析基准 OmniDocBench 上取得了 SOTA 性能。其核心 DeepEncode…- 0
- 0
-
DeepSeek-V3.1 发布，迈向 Agent 时代的第一步
DeepSeek 正式发布 V3.1 模型，核心亮点包括创新的混合推理架构，使其能同时支持“思考模式”与“非思考模式”，并能自由切换。新模型通过 Post-Training 优化，大幅增强了在编程智能体（SWE、Terminal-Bench）和搜索智能体（browsecomp、HLE）任务中的表现。在思考效率方面，V3.1-Think 模式在保持性能的同时，能将输出 token 数减少 20%-5…- 0
- 0
-
DeepSeek 与元宝 “互动”！AI 助手日渐融入我们的生活
在科技迅速发展的今天，AI 助手已逐渐成为人们日常生活中不可或缺的一部分。12 月 24 日，DeepSeek 官方在小红书上与元宝互动，点赞并回应了元宝发布的年度报告，这一罕见的公开互动引起了行业的广泛关注。根据《元宝 ×DeepSeek 年度报告》，自今年 2 月接入 DeepSeek 以来，元宝的用户规模稳步增长，并在 12 月 14 日达到了使用高峰，增长幅度超过 100 倍。这一成绩使元…- 0
- 0
-
DeepSeek 开源 Prover-V2 强推理模型，网友：奥数从没这么简单过 ｜ 机器之心
DeepSeek 发布了开源的 DeepSeek-Prover-V2 模型，包括 7B 和 671B 两个版本，专注于形式化定理证明。该模型专为 Lean 4 数学 AI 编程语言设计，通过递归定理证明流程收集数据，并使用 DeepSeek-V3 进行子目标拆解和推理步骤的形式化表达。模型训练分为两个阶段：高效非思维链模式和高精度思维链模式，最终在神经定理证明任务中达到当前最先进的性能，并在 Mi…- 0
- 0
-
Sebastian Raschka：关于 DeepSeek R1 和推理模型，我有几点看法
本文由著名 AI 研究者 Sebastian Raschka 撰写，全面解析了构建和改进推理模型的四种主要方法，包括推理时间扩展、纯强化学习 (RL)、监督微调加强化学习 (SFT + RL) 以及纯监督微调 (SFT) 和蒸馏。文章以 DeepSeek R1 为例，详细分析了其训练流程、开源特性和效率优势，并对比了不同方法的优劣。此外，文章还讨论了在有限预算下开发推理模型的可能性，介绍了 Sky…- 0
- 0
-
DeepSeek 关键技术详解
本文详细介绍了 DeepSeek V3 和 R1 系列模型的技术创新点。DeepSeek V3 在 MoE 架构上进行了改进，提出了细粒度专家划分和共享专家分离策略，并针对负载不均衡问题引入可学习的偏置项。此外，V3 还采用了群体相对策略优化（GRPO）、多头隐式注意力（MLA）、多令牌预测（MTP）和混合精度框架等技术，以提升训练效率和模型效果。DeepSeek R1 系列模型则专注于深度推理能…- 0
- 0
-
一场关于 DeepSeek 的高质量闭门会：比技术更重要的是愿景
本文总结了一场由拾象组织的关于 DeepSeek 的闭门讨论会，与会者包括顶尖 AI 研究员、投资人和从业者。会议旨在探讨 DeepSeek-R1 以始料未及的速度引发全球 AI 社区狂热现象背后的技术细节、组织文化及其在 AI 领域产生的深远影响。讨论内容涵盖了 DeepSeek 的创始人梁文锋的技术洞察力、DeepSeek 的技术特点如高效的 reasoning 模型和数据蒸馏技术、算力情况、…- 0
- 0
-
DeepSeek-V3 深夜惊爆上新！代码数学飙升剑指 GPT-5，一台 Mac 可跑
文章报道了 DeepSeek V3 最新版本 DeepSeek-V3-0324 的发布及其性能提升。该模型在代码和数学推理能力上均有显著提升，甚至在代码方面可以与 Claude 3.7 相媲美。尤其在前端开发等特定任务中，DeepSeek V3 展现出超越其他模型的潜力。此外，DeepSeek V3 采用 MIT 开源协议，允许自由修改和商业应用。该模型可在消费级设备上运行，如苹果 M3 Ultr…- 0
- 0
-
Deepseek V3/R1 技术内核 及 RAG 技术前沿进展
本文详细分析了 DeepSeek V3 和 R1 的技术内核及其在 RAG 技术上的前沿进展。首先，文章介绍了 DeepSeek 团队的长期主义和开源理念，以及其在混合专家模型（MoE）架构（包括细粒度专家分割和共享专家隔离）、推理能力强化和软硬件协同设计方面所做的创新。其次，文章深入探讨了 DeepSeek R1 如何通过纯强化学习和“左脚踩右脚”的迭代优化方式，在推理能力上取得突破，并利用模型…- 0
- 0
-
一文读懂｜DeepSeek 新模型大揭秘，为何它能震动全球 AI 圈
本文深入剖析了 DeepSeek 最新发布的开源模型 R1，揭示了其在技术上的重大突破。DeepSeek R1 最核心的创新在于采用纯强化学习方法训练模型，使其自发涌现出强大的推理能力，这与传统依赖监督微调和复杂奖励模型的训练方式截然不同。R1-Zero 模型仅使用简单的准确性和格式奖励，就展现出“顿悟”式学习能力和优秀的跨领域迁移学习能力，在数学和编程竞赛中表现卓越。尽管 R1-Zero 存在可…- 0
- 0
-
V3→R1→V3.2｜一文看懂 DeepSeek 技术演进
本文系统性地追溯了 DeepSeek 大模型从 V3 到 V3.2 的演进历程，详细阐述了每个主要版本背后的技术创新与考量。首先，文章介绍了 V3 版本中 MoE（专家混合）架构和 MLA（多头潜在注意力）机制，分别解决了大模型效率与长序列显存占用的问题。接着，R1 版本引入的 RLVR（可验证奖励的强化学习）训练范式，通过程序自动验证答案，显著提升了模型在数学和代码等推理任务上的准确性和可靠性，…- 0
- 0
-
SemiAnalysis 万字解析 DeepSeek：训练成本、技术创新点、以及对封闭模型的影响
文章详细分析了 DeepSeek 的技术架构、商业模式和市场表现。首先探讨了 DeepSeek 的硬件投入，包括约 5 万块 Hopper GPU 和超过 5 亿美元的投资，并指出其通过多头潜在注意力（MLA）大幅降低推理成本的关键技术创新。接着分析了 DeepSeek 在人才招聘、模型训练成本、以及与 OpenAI 等竞争对手的性能对比中的表现。文章还讨论了算法改进如何推动 AI 行业的快速发展…- 0
- 0
-
万字长文详解 DeepSeek 核心技术
本文详细介绍了 DeepSeek 系列模型的技术创新，包括 DeepSeek MoE 架构的细粒度专家划分、共享专家分离，以及为解决负载不均衡问题而提出的负载均衡策略。深入解析了 GRPO 算法相对于 PPO 的改进，通过减少 Value 模型来降低计算资源消耗。阐述了 MLA 如何通过低秩分解减少 KV Cache，降低推理成本。介绍了 MTP 如何通过一次性预测多个 token 来提升训练效率…- 0
- 0
-
DeepSeek 最强专业拆解来了，清交复教授超硬核解读
本文通过五位高校教授的深入分析，全面探讨了 DeepSeek 的技术原理、优化方法及未来发展方向。DeepSeek 通过优化策略显著提升了算力能效，降低了成本，并在写作能力上取得了飞跃。文章详细介绍了 R1 和 V3 模型的技术路线、训练流程及其与 OpenAI o1 的对比。DeepSeek 的创新策略包括 MoE 架构、负载均衡、通信优化和内存优化，展示了中国团队在 AI 领域的独立思考和创新…- 0
- 0
-
DeepSeek R1 之后，重新理解推理模型
文章对 DeepSeek R1 推理模型进行了全面解读，明确了推理模型的定义，即擅长解决需要复杂、多步骤生成的问题。分析了推理模型的优缺点，强调其在复杂任务上的优势，以及在简单任务上的低效。详细介绍了 DeepSeek R1 的三个变体:R1-Zero (纯 RL 训练)、R1 (SFT+RL 训练) 和 R1-Distill (蒸馏模型)，并对比了它们的技术特点和性能差异，强调了 R1 在纯 R…- 0
- 0
-
DeepSeek 上线两天后再回看：一次“小更新”，一场架构“豪赌”
文章深入分析了 DeepSeek V3.1 模型的最新更新。核心亮点并非简单的上下文扩展，而是其底层架构从分离式转向混合推理，旨在简化部署和提高算力利用效率。V3.1 在编程能力上取得显著进步，在 Aider 等基准测试中表现优异，并大幅增强了智能体（Agent）能力，尤其在软件工程和终端控制任务上实现跃迁。同时，通过思维链压缩训练，V3.1 显著降低了使用成本并提升了生成速度。然而，这种模型融合…- 0
- 0
-
刚刚，DeepSeek-R1 论文登上 Nature 封面，通讯作者梁文锋 ｜ 机器之心
文章报道了 DeepSeek-R1 研究登上《Nature》封面，强调了其在利用强化学习提升大语言模型（LLM）推理能力方面的创新。DeepSeek-R1 模型通过群组相对策略优化（GRPO）和精巧的奖励设计，使模型能够自我验证和反思，逐步解决复杂问题，显著提高了在编程和科学问题上的表现。文章特别指出，DeepSeek-R1 是首个通过权威学术期刊同行评审的大语言模型，这一“程序价值”被视为 AI…- 0
- 0
-
DeepSeek-V3.2-Exp 发布，训练推理提效，API 同步降价
深度求索正式发布实验性模型 DeepSeek-V3.2-Exp，其核心创新是引入了 DeepSeek Sparse Attention（DSA）稀疏注意力机制。该机制在不显著影响模型输出效果的前提下，大幅提升了长文本场景下的训练和推理效率。文章指出，V3.2-Exp 在公开评测集上的表现与前一代 V3.1-Terminus 基本持平。为推动技术普惠和社区发展，DeepSeek 同步大幅下调 API…- 0
- 0
-
DeepSeek 的终极野心：把大语言模型的基本语言都改造成图像｜DeepSeek 新论文解读
文章深入解读了 DeepSeek-OCR 项目，该项目旨在通过光学压缩技术解决大语言模型（LLM）长上下文处理的算力瓶颈。核心思想是将文本信息高效地渲染成图像，并由视觉语言模型（VLM）从图像中解压信息，从而用远少于文本 token 的视觉 token 表示相同内容。Andrej Karpathy 等专家认为，此举带来了信息压缩、更通用的信息流、更强的处理方式以及删除分词器的四大好处。文中详细介绍…- 0
- 0
DeepS
扫码打开当前页
-
✈优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×