DeepSeek-R1 探索出RL方 法，且公开技术 • 诞生推理型Scaling Law DeepSeek颠覆式创新——技术创新 29政企、创业者必读 技术上实现对美国的赶超 掌握通向AI下一阶段的方法论 DeepSeek颠覆式创新——技术创新  美国人仍在遵循预训练Scaling law范式，走堆显卡路线，如 “星际之门”计划  中国DeepSeek-R1的创新突破，诞生推理型Scaling DeepSeek+场景+智能体+知识库 66政企、创业者必读 67 企业应用AI的经验总结政企、创业者必读 建立AI信仰、培养AI素养 才能真正拥抱AI时代 68政企、创业者必读 个人AI能力的五个阶段 只会与大模型进行聊天（纳米AI） 能打造个人专业知识库，具备知识收集和整理能力（纳米AI知识库） 能使用常见的AI工具，能使用别人打造的智能体（纳米AI工具） 能搭建简单的智能体，能打造自己的工具和数字助手（纳米AI智能体） 70政企、创业者必读 企业应用智能体的九层能力 阶段1-4——初级能力 阶段2 企业私有化部署DeepSeek 阶段3 企业构建专业知识库，DS变成专业大模型 阶段4 利用纳米AI搜索免费Agnet平台，企业可搭建数字员工等AI工具 阶段1 使用DeepSeek公有云服务 71政企、创业者必读 阶段5 引入专用知识库管理，本地部署，成为知识和情报中枢 阶段6 引入带有强大工作流能力的Agent框架，把复杂的流程自动化

整。 4. 请求同行或专家对内容进行审阅并提供反馈。 5. 根据反馈意见，逐步优化和完善文章的各个部分。 1. 请对当前内容进行评估，列出主要优缺点，并提出具体的改进建议。 2. 请根据前一阶段的反馈，逐步修改和完善内容，列出修改的具体步骤。 3. 请根据内容生成过程中出现的新问题，动态调整后续提示语，并解释调整原 因。 4. 请收集多方反馈，综合考虑并调整内容生成方向，列出不同来源的反馈及其 数'，指导在执行过程中如何分配计算资源。” 7. 适应提示：“在执行每个子任务后，评估其输出质量和对总体目标的 贡献，必要时调整后续任务的优先级或内容。” 思维拓展的认知理论基础 生成阶段（Generate）和探索阶段（Explore），可 以将这一理论应用到AI内容生成的过程中，设计相 应的提示语策略。 发散思维的提示语链设计 （基于“IDEA”框架） • Imagine（想象）：鼓励超越常规的思考 使用“深化”提示拓展初始想法 4. 设计“反转”提示寻找替代方案 思维拓展的提示语链设计建立在创造性认知理论的基础上。根据Geneplore模型（Generate-Explore Model）， 创造性思维包括两个主要阶段： 思维拓展的提示语链设计 聚合思维的提示语链设计 基于“FOCUS”框架 • Filter（筛选）：评估和选择最佳想法 • Optimize（优化）：改进选定的想法 • Combine（组合）：整合多个想法

整。 4. 请求同行或专家对内容进行审阅并提供反馈。 5. 根据反馈意见，逐步优化和完善文章的各个部分。 1. 请对当前内容进行评估，列出主要优缺点，并提出具体的改进建议。 2. 请根据前一阶段的反馈，逐步修改和完善内容，列出修改的具体步骤。 3. 请根据内容生成过程中出现的新问题，动态调整后续提示语，并解释调整原 因。 4. 请收集多方反馈，综合考虑并调整内容生成方向，列出不同来源的反馈及其 数'，指导在执行过程中如何分配计算资源。” 7. 适应提示：“在执行每个子任务后，评估其输出质量和对总体目标的 贡献，必要时调整后续任务的优先级或内容。” 思维拓展的认知理论基础 生成阶段（Generate）和探索阶段（Explore），可 以将这一理论应用到AI内容生成的过程中，设计相 应的提示语策略。 发散思维的提示语链设计 （基于“IDEA”框架） • Imagine（想象）：鼓励超越常规的思考 使用“深化”提示拓展初始想法 4. 设计“反转”提示寻找替代方案 思维拓展的提示语链设计建立在创造性认知理论的基础上。根据Geneplore模型（Generate-Explore Model）， 创造性思维包括两个主要阶段： 思维拓展的提示语链设计 聚合思维的提示语链设计 基于“FOCUS”框架 • Filter（筛选）：评估和选择最佳想法 • Optimize（优化）：改进选定的想法 • Combine（组合）：整合多个想法

主要亮点在于出色的数学和逻辑推理能力，区别于一般的通 用 AI 模型。其训练方式结合了强化学习（RL）与监督微调（SFT），创造 了一种高效训练，高推理能力 AI 模型的方法。 整个训练过程分为核心两阶段，第一步训练基于 DeepSeek-V3 论文中的基 础模型（而非最终版本），并经历了 SFT 和基于纯强化学习调优 + 通用性 教程作者：郭震，工作 8 年目前美国 AI 博士在读，公众号：郭震 DeepSeek-R1-Zero R1-Zero 能生成高质量的推理数据，包括大量长链式思维（Chain-of-Thought, CoT）示例，用于支持后续的 SFT 阶段，如图7所示。更加详细介绍参考3.2节。 3.1.2 核心创新 2：通用强化学习 第一阶段 R1-Zero 虽然展现出惊人的推理能力提升，但是也出现了回复时 语言混合，非推理任务回复效果差的问题，为了解决这些问题，DeepSeek 提出通用强化学习训练框架。 活动 通用任务上的表现。更加详细介绍参考3.3节。 3.2 含 R1-Zero 的中间推理模型训练过程 中间模型占据主要训练精力的阶段，实际上完全通过推理导向的强化学习 直接训练而成，完全跳过了监督微调（SFT），如下图8所示，只在强化学习 的冷启动阶段使用了 SFT。 图 8: Interim reasoning model 训练方法 大规模推理导向的强化学习训练，必不可少的就是推理数据，手动标注就

GI)的中国科技公司，主攻大模型研发与应用。 • DeepSeek-R1是其开源的推理模型，擅长处理复杂任务且可免费商用。性能对齐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，在仅有极少标注数据的情况下，极大 提升了模型推理能力。在数学、代码、自然语言推理等任务上，性能比肩OpenAl-o1正式版。 (Pass@1) 场景1：1小时内写完一个1万字的项目书 是否可用DeepSeek（深度求索）辅助处理？ 可以，但需分阶段“榨干AI效率”，核心策略：框架复制+模块填充+数据嫁接。 分步解决方案： 第一阶段：5分钟——用AI暴力生成框架（目标：3000字） 场景1：1小时内写完一个1万字的项目书 第二阶段：20分钟——用AI批量填充模块（目标：6000字） 针对每个小节单独提问，例如： “写一段‘2.1 用表格展示。” p 模板复制：对同类章节（如3.1/3.2/3.3）使用相同指令模板，仅替换关键词。 p 强制格式：要求AI输出带编号小标题、分点、表格的内容，直接粘贴后即显“专业感”。 第三阶段：20分钟——用AI补全软性内容（目标：1000字） 填充“虚但必需”的部分： p 政策背书： “生成5条2023年国家层面支持智能物流园区的政策原文（带发文号），并解读对本案的指导意义。”

在多模态任务中表现出色，能够 处理复杂场景下的逻辑、公式识别及自然图像等问题，显示出其在 多模态任务中的广泛应用潜力。 训练方法：数据冷启，阶段递进 DeepSeek R1 采用了冷启动数据和多阶段训练的策略，以进一步提升模型的推理能力和可读性。  冷启动数据  多阶段训练 • 定义与作用：冷启动数据是指在模型训练初期，引入的一小部 分高质量、结构化的数据。其作用是为模型提供一个良好的起 点， 使模型在后续的强化学习阶段能够更稳定地学习和优化。它解 决了纯强化学习训练中可能出现的可读性差和语言混杂等问题。 第一阶段：推理 导向的强化学习 基 于 冷 启 动 数 据 微 调 后 的 基 础 模 型 ， 进 行 大 规 模 强 化 学 习 。 此 阶 段 引 入 语 言 一 致 性 奖 励 ， 优 化 模 型 在 数 学 、 编 程 等 结 构 化 任 务 中 的表现。 第二阶段：拒绝 成 新 的 合 成 数 据 ， 并 与 写 作 、 事 实 问 答 等 领 域的监督数据混合。 然 后 对 基 础 模 型 进 行 两 轮 微 调 ， 进 一 步提升模型的性能。 第三阶段：全场 景强化学习 结 合 规 则 奖 励 （ 针 对 推 理 任 务 ） 和 神 经 奖 励 模 型 （ 针 对 通 用 任 务 ） ， 对 模 型 进 行 最 终 的 强 化 学 习

技术可以生成如下类型的内容： • 图像：如照片、原创艺术作品 • 音频：如视频游戏中的配音、音乐 • 文本：如代码、广告文案、小说 • 3D 模型：如角色、场景 目前，AIGC 技术处于早期阶段，最常见的产品形态是基于文本的，通过用 户输入来控制内容的生成。用户输入文本描述所需的内容，然后模型输出与描 述相符的内容。下图 1描述了 AI 大模型，AIGC 和 AGI 关系。 Figure 闭源：由一个小团队开发的闭源 AI，专注于生成创意和艺术图像。 2.3 AI 视频工具 Figure 5: AI 视频工具 2.3.1 Sora (OpenAI 公司) 内测：由 OpenAI 开发，目前处于内部测试阶段的项目。 8 2.3.2 Runway 闭源：一个闭源的创意工具，支持通过 AI 进行视频编辑和生成。 2.3.3 Pika 闭源的图像编辑工具，专注于简化图像处理流程。 2.3.4 腾讯智影

负责将预训练好的 caffe 或者 tensorflow 的模型，转换到 LLVM IR，最后生成可以在无剑 SoC 平台上 执行的二进制。绝赞招聘中 为何添加 caffe 前端？ 客户需求 评估阶段：客户用于评估芯片的网络，caffe 模型占很大比重。 竞品已支持 caffe 前端 当前各大芯片厂商的部署工具大多数都支持，支持 caffe 前端有利于提高竞争力。 开源社区 存量的开源 caffe

8 等基础设施的技术要求和评估方法，包括基础设施参考架构、计 算能力评估、技术要求、稳定性要求和业务服务接口等标准。 6. 系统软件标准。规范人工智能系统层的软硬件技术要求， 包括软硬件编译器架构和优化方法、人工智能算子库、芯片软件 运行时库及调试工具、人工智能软硬件平台计算性能等标准。 7. 开发框架标准。规范人工智能开发框架相关的技术要求， 包括开发框架的功能要求，与应用系统之间的接口协议、神经网

的工具和平台：MaaS 平台 Gitee AI 是开源中国旗下的 MaaS 平台，提供模型、数据集，以及应用托管能力，同时接入了丰富的国产算力平台，为开发者 提供了更高效、实惠的微调方案，降低使用门槛，目前已进入内测阶段。 28 / 32 LLM 的工具和平台：开发工具 比较有代表性的 LLM 开发工具有： ：帮助用户极致优化 给大模型的提示词（prompt），使得对大语 言模型提问时，可以获得更理想的输出。