 清华大学 DeepSeek 从入门到精通推理大模型是指能够在传统的大语言模型基础上,强化推理、逻辑分析和决策能力的模型。它 们通常具备额外的技术,比如强化学习、神经符号推理、元学习等,来增强其推理和问题解决能力。 非推理大模型: 适用于大多数任务,非推理大模型一般侧重于语言生成、上下文理解和自然语言处理,而不强 调深度推理能力。此类模型通常通过对大量文本数据的训练,掌握语言规律并能够生成合适的内容,但缺乏像 推理模型那样复杂的推理和决策能力。 维度 推理模型 通用模型 链式推理(慢速思考模型,如OpenAI o1) 性能表现 响应速度快,算力成本低 慢速思考,算力成本高 运算原理 基于概率预测,通过大量数据训练来快速预测可能 的答案 基于链式思维(Chain-of-Thought),逐步推理 问题的每个步骤来得到答案 决策能力 依赖预设算法和规则进行决策 能够自主分析情况,实时做出决策 创造力 限于模式识别和优化,缺乏真正的创新能力 能够生成新的创意和解决方案,具备创新能力 通用模型 需拆分问题,逐步追问 “先解释电车难题的定义,再对比 两种伦理观的差异” 一次性提问复杂逻辑 如何向AI表达需求 需求类型 特点 需求表达公式 推理模型适配策略 通用模型适配策略 1. 决策需求 需权衡选项、评估风险、 选择最优解 目标 + 选项 + 评估标准 要求逻辑推演和量化分析 直接建议,依赖模型经验归纳 2. 分析需求 需深度理解数据/信息、 发现模式或因果关系 问题0 码力 | 103 页 | 5.40 MB | 8 月前3 清华大学 DeepSeek 从入门到精通推理大模型是指能够在传统的大语言模型基础上,强化推理、逻辑分析和决策能力的模型。它 们通常具备额外的技术,比如强化学习、神经符号推理、元学习等,来增强其推理和问题解决能力。 非推理大模型: 适用于大多数任务,非推理大模型一般侧重于语言生成、上下文理解和自然语言处理,而不强 调深度推理能力。此类模型通常通过对大量文本数据的训练,掌握语言规律并能够生成合适的内容,但缺乏像 推理模型那样复杂的推理和决策能力。 维度 推理模型 通用模型 链式推理(慢速思考模型,如OpenAI o1) 性能表现 响应速度快,算力成本低 慢速思考,算力成本高 运算原理 基于概率预测,通过大量数据训练来快速预测可能 的答案 基于链式思维(Chain-of-Thought),逐步推理 问题的每个步骤来得到答案 决策能力 依赖预设算法和规则进行决策 能够自主分析情况,实时做出决策 创造力 限于模式识别和优化,缺乏真正的创新能力 能够生成新的创意和解决方案,具备创新能力 通用模型 需拆分问题,逐步追问 “先解释电车难题的定义,再对比 两种伦理观的差异” 一次性提问复杂逻辑 如何向AI表达需求 需求类型 特点 需求表达公式 推理模型适配策略 通用模型适配策略 1. 决策需求 需权衡选项、评估风险、 选择最优解 目标 + 选项 + 评估标准 要求逻辑推演和量化分析 直接建议,依赖模型经验归纳 2. 分析需求 需深度理解数据/信息、 发现模式或因果关系 问题0 码力 | 103 页 | 5.40 MB | 8 月前3
 清华大学 DeepSeek+DeepResearch 让科研像聊天一样简单能够提取所有网址并进行 筛选、去重,所撰写代码 运行后完成数据爬虫任务, 所获取数据准确,少量数 据有所遗漏。 提示词 测试结果受到数据样本、测试环境、AI抽卡、提示词模板等因素影响,仅供参考,无法作为决策制定、质量评估或产品验证的最终依据。 爬虫数据采集  目前DeepSeek R1、Open AI o3mini、Kimi k1.5支持联网查询网址,Claude 3.5 sonnet暂不支持; 5 sonnet 可以提取所有网址,调整后可输出正 确代码,运行代码能生成本地文件, 但提取数据结果为空。 测试结果受到数据样本、测试环境、AI抽卡、提示词模板等因素影响,仅供参考,无法作为决策制定、质量评估或产品验证的最终依据。 文件数据读取 1、读取文件; 2、根据指定内容整理成表格。 任务 Open AI o3mini 暂不支持附件上传,响应速度 快,能够快速读取粘贴数据, 当天的公路客运量、比2024年同期多或者少的百分比、环比的百分 比。4.当天的民航客运量、比2024年同期多或者少的百分比、环比的百分比。 提示词 测试结果受到数据样本、测试环境、AI抽卡、提示词模板等因素影响,仅供参考,无法作为决策制定、质量评估或产品验证的最终依据。 文件数据读取 Claude 3.5 sonnet 很好地完成了数据读取及提取 任务,没有漏数据指标,数据 逻辑性很好 Kimi k1.5 能够快速读取文件数据,并0 码力 | 85 页 | 8.31 MB | 8 月前3 清华大学 DeepSeek+DeepResearch 让科研像聊天一样简单能够提取所有网址并进行 筛选、去重,所撰写代码 运行后完成数据爬虫任务, 所获取数据准确,少量数 据有所遗漏。 提示词 测试结果受到数据样本、测试环境、AI抽卡、提示词模板等因素影响,仅供参考,无法作为决策制定、质量评估或产品验证的最终依据。 爬虫数据采集  目前DeepSeek R1、Open AI o3mini、Kimi k1.5支持联网查询网址,Claude 3.5 sonnet暂不支持; 5 sonnet 可以提取所有网址,调整后可输出正 确代码,运行代码能生成本地文件, 但提取数据结果为空。 测试结果受到数据样本、测试环境、AI抽卡、提示词模板等因素影响,仅供参考,无法作为决策制定、质量评估或产品验证的最终依据。 文件数据读取 1、读取文件; 2、根据指定内容整理成表格。 任务 Open AI o3mini 暂不支持附件上传,响应速度 快,能够快速读取粘贴数据, 当天的公路客运量、比2024年同期多或者少的百分比、环比的百分 比。4.当天的民航客运量、比2024年同期多或者少的百分比、环比的百分比。 提示词 测试结果受到数据样本、测试环境、AI抽卡、提示词模板等因素影响,仅供参考,无法作为决策制定、质量评估或产品验证的最终依据。 文件数据读取 Claude 3.5 sonnet 很好地完成了数据读取及提取 任务,没有漏数据指标,数据 逻辑性很好 Kimi k1.5 能够快速读取文件数据,并0 码力 | 85 页 | 8.31 MB | 8 月前3
 Ubuntu 桌面培训 2010例和引导进行实验练习)。 课程概况 35 Ubuntu 桌面培训 目录 • 使用幻灯片帮助您专注于当前主题而避免离题,确保不遗漏任何有关信息的同时着 重对主要的知识点进行讲解。偶尔看一眼特定的知识点,并尽快将您的注意力重新 放回学生身上。避免单调地逐字复述幻灯片上的内容。 • 为了激发学生的积极性,在课堂上贯穿进行实验练习。 课程结构 每个课程包括以下几个部分。 简介 在第一天要首先做的: 1. 欢迎学 中您还可以在不借助任何其他软件的情况下把表格 直接保存为 PDF 格式。 IV.III.I OpenOffice.org 电子表格的主要特性 Calc 是一个功能完善的办公软件,涵盖了一个高端制表软件所应有的一切分析,制表 和决策方面特性。其中一些重要特性包括: 146 使用 OpenOffice.org 电子表格 目录 Lucid Lynx • 计算 OpenOffice.org 电子表格为您提供了超过三百种财政、逻辑、统计、数学和 experimental 不是一个完整的分支。 XI.IX.II Ubuntu 与 Debian 的关系 Debian Stable 版总是相对保守,而其他分支却没有较好支持,同时管理上也过于民 主,造成决策缓慢。这样 Debian 开发者之一的马克·舍特尔沃斯决定创建 Ubuntu 项 Ubuntu FAQ 501 Ubuntu 桌面培训 目录 目。 Ubuntu 基于 Debian 的 unstable0 码力 | 540 页 | 26.26 MB | 1 年前3 Ubuntu 桌面培训 2010例和引导进行实验练习)。 课程概况 35 Ubuntu 桌面培训 目录 • 使用幻灯片帮助您专注于当前主题而避免离题,确保不遗漏任何有关信息的同时着 重对主要的知识点进行讲解。偶尔看一眼特定的知识点,并尽快将您的注意力重新 放回学生身上。避免单调地逐字复述幻灯片上的内容。 • 为了激发学生的积极性,在课堂上贯穿进行实验练习。 课程结构 每个课程包括以下几个部分。 简介 在第一天要首先做的: 1. 欢迎学 中您还可以在不借助任何其他软件的情况下把表格 直接保存为 PDF 格式。 IV.III.I OpenOffice.org 电子表格的主要特性 Calc 是一个功能完善的办公软件,涵盖了一个高端制表软件所应有的一切分析,制表 和决策方面特性。其中一些重要特性包括: 146 使用 OpenOffice.org 电子表格 目录 Lucid Lynx • 计算 OpenOffice.org 电子表格为您提供了超过三百种财政、逻辑、统计、数学和 experimental 不是一个完整的分支。 XI.IX.II Ubuntu 与 Debian 的关系 Debian Stable 版总是相对保守,而其他分支却没有较好支持,同时管理上也过于民 主,造成决策缓慢。这样 Debian 开发者之一的马克·舍特尔沃斯决定创建 Ubuntu 项 Ubuntu FAQ 501 Ubuntu 桌面培训 目录 目。 Ubuntu 基于 Debian 的 unstable0 码力 | 540 页 | 26.26 MB | 1 年前3
 基于 KUBERNETES 的 容器器 + AI 平台基于 KUBERNETES 的 容器器 + AI 平台 如何助⼒力力企业数字化和智能化转型 xiaoqin@caicloud.io VP of R&D 提纲 构建集群与管理理资源 - 73s 视频演示 多集群和镜像仓库 多租户和旧系统的集成 运⾏行行和构建应⽤用 Rudder - 应⽤用编排技术框架 Cyclone - 持续集成与交付引擎 运⾏行行 AI 应⽤用(机器器学习) kubeflow/tf-operator • 定义 TFJob Spec (CRD) • 跟踪 TensorFlow 任务运⾏行行状态 • ⽀支持分布式 TensorFlow 任务 KUBEFLOW 之上 • 借⼒力力容器器平台提供⽣生产级的集群资源管理理 • ⼯工作区隔离与共享 • 数据、模型、环境、应⽤用等 • 全⾯面⽀支持 AI ⼯工作流 • 探索开发 • 线上运⾏行行 关注并回复 kubecon180 码力 | 19 页 | 3.55 MB | 1 年前3 基于 KUBERNETES 的 容器器 + AI 平台基于 KUBERNETES 的 容器器 + AI 平台 如何助⼒力力企业数字化和智能化转型 xiaoqin@caicloud.io VP of R&D 提纲 构建集群与管理理资源 - 73s 视频演示 多集群和镜像仓库 多租户和旧系统的集成 运⾏行行和构建应⽤用 Rudder - 应⽤用编排技术框架 Cyclone - 持续集成与交付引擎 运⾏行行 AI 应⽤用(机器器学习) kubeflow/tf-operator • 定义 TFJob Spec (CRD) • 跟踪 TensorFlow 任务运⾏行行状态 • ⽀支持分布式 TensorFlow 任务 KUBEFLOW 之上 • 借⼒力力容器器平台提供⽣生产级的集群资源管理理 • ⼯工作区隔离与共享 • 数据、模型、环境、应⽤用等 • 全⾯面⽀支持 AI ⼯工作流 • 探索开发 • 线上运⾏行行 关注并回复 kubecon180 码力 | 19 页 | 3.55 MB | 1 年前3
 JavaScript 正则表达式迷你书 老姚 - v1.1,用正则该怎么做。但我们 始终要提醒自己,正则虽然强大,但不是万能的,很多看似很简单的事情,还是做不到的。 比如匹配这样的字符串:1010010001…。 虽然很有规律,但是只靠正则就是无能为力。 6.2.2. 是否有必要使用正则? 要认识到正则的局限,不要去研究根本无法完成的任务。同时,也不能走入另一个极端:无所不用正则。能 用字符串 API 解决的简单问题,就不该正则出马。 比如0 码力 | 89 页 | 3.42 MB | 11 月前3 JavaScript 正则表达式迷你书 老姚 - v1.1,用正则该怎么做。但我们 始终要提醒自己,正则虽然强大,但不是万能的,很多看似很简单的事情,还是做不到的。 比如匹配这样的字符串:1010010001…。 虽然很有规律,但是只靠正则就是无能为力。 6.2.2. 是否有必要使用正则? 要认识到正则的局限,不要去研究根本无法完成的任务。同时,也不能走入另一个极端:无所不用正则。能 用字符串 API 解决的简单问题,就不该正则出马。 比如0 码力 | 89 页 | 3.42 MB | 11 月前3
 JavaScript 正则表达式迷你书 老姚 - v1.0,用正则该怎么做。但我们 始终要提醒自己,正则虽然强大,但不是万能的,很多看似很简单的事情,还是做不到的。 比如匹配这样的字符串:1010010001…. 虽然很有规律,但是只靠正则就是无能为力。 6.2.2. 是否有必要使用正则? 要认识到正则的局限,不要去研究根本无法完成的任务。同时,也不能走入另一个极端:无所不用正则。能 用字符串 API 解决的简单问题,就不该正则出马。 比如0 码力 | 89 页 | 3.42 MB | 11 月前3 JavaScript 正则表达式迷你书 老姚 - v1.0,用正则该怎么做。但我们 始终要提醒自己,正则虽然强大,但不是万能的,很多看似很简单的事情,还是做不到的。 比如匹配这样的字符串:1010010001…. 虽然很有规律,但是只靠正则就是无能为力。 6.2.2. 是否有必要使用正则? 要认识到正则的局限,不要去研究根本无法完成的任务。同时,也不能走入另一个极端:无所不用正则。能 用字符串 API 解决的简单问题,就不该正则出马。 比如0 码力 | 89 页 | 3.42 MB | 11 月前3
共 6 条
- 1













