DeepSeek从入门到精通(20250204)发散性任务(如诗歌创作) 需要严格逻辑链的任务(如数学证明) 性能本质 专精于逻辑密度高的任务 擅长多样性高的任务 强弱判断 并非全面更强,仅在其训练目标领域显著优于通用模型 通用场景更灵活,但专项任务需依赖提示语补偿能力 • 例如:GPT-3、GPT-4(OpenAI),BERT(Google),主要用于语言生成、语言理解、文本分类、翻译 等任务。 快思慢想:效能兼顾 全局视野 概率预测(快速反应模型,如ChatGPT 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 人机互动能力 按照预设脚本响应,较难理解人类情感和意图 无需逐步指导,模型自动生成结构化 推理过程(若强行拆解步骤,反而可 能限制其能力)。 • 需显式引导推理步骤(如通过CoT提 示),否则可能跳过关键逻辑。 • 依赖提示语补偿能力短板(如要求分 步思考、提供示例)。 关键原则 3 2 1 模型选择 • 优先根据任务类型而非模型热度选择(如数学任务选推理模型,创意任务选通用 模型)。 提示语设计 • 推理模型:简洁指令,聚焦目标,信任其内化能力。(“要什么直接说”)。0 码力 | 104 页 | 5.37 MB | 8 月前3
清华大学 DeepSeek 从入门到精通发散性任务(如诗歌创作) 需要严格逻辑链的任务(如数学证明) 性能本质 专精于逻辑密度高的任务 擅长多样性高的任务 强弱判断 并非全面更强,仅在其训练目标领域显著优于通用模型 通用场景更灵活,但专项任务需依赖提示语补偿能力 • 例如:GPT-3、GPT-4(OpenAI),BERT(Google),主要用于语言生成、语言理解、文本分类、翻译 等任务。 快思慢想:效能兼顾 全局视野 概率预测(快速反应模型,如ChatGPT 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 人机互动能力 按照预设脚本响应,较难理解人类情感和意图 无需逐步指导,模型自动生成结构化 推理过程(若强行拆解步骤,反而可 能限制其能力)。 • 需显式引导推理步骤(如通过CoT提 示),否则可能跳过关键逻辑。 • 依赖提示语补偿能力短板(如要求分 步思考、提供示例)。 关键原则 3 2 1 模型选择 • 优先根据任务类型而非模型热度选择(如数学任务选推理模型,创意任务选通用 模型)。 提示语设计 • 推理模型:简洁指令,聚焦目标,信任其内化能力。(“要什么直接说”)。0 码力 | 103 页 | 5.40 MB | 8 月前3
清华大学 普通人如何抓住DeepSeek红利结构、内部系统以及行业情况。然而,公司的产品手册复杂,部门间的职责不清晰,内部系统操作繁琐,行业信 息量庞大,这些都让小李感到不知所措。他担心自己无法在短时间内快速上手,影响工作效率和表现。 以往的解决方式: • 依赖同事的口头介绍,容易遗漏重要信 息。 • 手动查阅厚重的产品手册和内部文档, 耗时较长。 • 参加多部门的培训,但信息量大,难以 消化。 • 通过网络搜索行业信息,但信息分散, 难以整合。 信息的准确性和全面性更高,减少了因信息不全而导致 的误解和错误。通过DeepSeek的数据分析功能,新员 工可以更深入地理解行业动态和公司运营,做出更明智 的决策。 成本更低: 减少了对培训资源的依赖,新员工可以通过DeepSeek 自主学习,降低培训成本。通过提高工作效率,减少了 人力资源的浪费,降低了整体运营成本。 场景3:日常客户沟通与问题反馈处理 常见问题: 与甲方客户的沟通效率低,信息不对称,导致响应不及时或错误 场景3:多智能体在线社区模拟 场景4:无人区研究+快速出成果 素数位数关系理论及其思考—— 邵宇捷 各思路具体化及 Python验算 人类提供已有参考案例(拉马努金数、 阿姆斯特朗数等) AI提出可能思路 要求AI迭代调整或人 类介入提供具体设想 AI发现魔法数字的一般过程 思路可用,并非刻 意构造 有刻意构造嫌疑 方案可行 输出结果及理论 体系化 方案不可行 Python验算 无符合数字0 码力 | 65 页 | 4.47 MB | 8 月前3
KiCad 5.1 PCB 计算器. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2.7.2 PCB 类型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 值。 对于 典型,作为参考电压 Vref 和电阻器 R1 和 R2 的函数的输出电压 Vout 由下式给出: 对于 3 端子类型,由于从调节引脚流出的静态电流 Iadj,存在校正因子: 此电流通常低于 100 uA,可谨慎忽略。 要使用此计算器,请输入调节器 类型,Vref 的参数,如果需要,输入 Iadj ,选择要计算的字段(电阻器或输出电压 之一)并输入其他两个值。 2.2 布线宽度 的电压的值,请在左角的框中输入该值,然后按 更新值。 PCB 计算器 4 / 8 2.4 传输线 传输线理论是射频和微波工程教学的基石。 在计算器中,您可以选择不同种类的线类型及其特殊参数。实现的模型依赖于频率, 因此它们不同意在高(足够)频 率下更简单的模型。 这个计算器是基于 Transcalc。 传输线路类型及其数学模型的参考如下: • 微带线: – H. A. Atwater,“Simplified0 码力 | 11 页 | 383.56 KB | 1 年前3
KiCad 5.1 PCB 计算器对于 典型 ,作为参考电压 Vref 和电阻器 R1 和 R2 的函数的输出电压 Vout 由 下式给出: 对于 3端子类型 ,由于从调节引脚流出的静态电流 Iadj,存在校正因子: 此电流通常低于 100 uA,可谨慎忽略。 要使用此计算器,请输入调节器 类型 ,Vref 的参数,如果需要,输入 Iadj , 选择要计算的字段(电阻器或输出电压之一)并输入其他两个值。 2.2. 布线宽度 500 V 的电压的值,请在左角的框中输 入该值,然后按 更新值 。 2.4. 传输线 传输线理论是射频和微波工程教学的基石。 在计算器中,您可以选择不同种类的线类型及其特殊参数。实现的模型依赖于 频率,因此它们不同意在高(足够)频率下更简单的模型。 这个计算器是基于 Transcalc。 传输线路类型及其数学模型的参考如下: 微带线: H. A. Atwater,“Simplified Design the Frequency-Dependent Characteristic of Parallel Coupled Microstrip Lines,"(平行耦合微带线频率依赖特性的精确广范围设计方程),在 IEEE 微波理论与技术汇刊,第 32 卷,第 1 卷,第 83-90 页,1984 年 1 月。 doi:10.1109/TMTT.1984.1132616。 Rolf Jansen, "High-Speed0 码力 | 11 页 | 207.64 KB | 1 年前3
清华大学 DeepSeek+DeepResearch 让科研像聊天一样简单2、对数据集进行深入分析和数据挖掘 任务 DeepSeek R1 能够准确对数据进行分类,从多个维度进行梳理和分析,借助可视化图表进行数据挖掘,基于分析结 果提供可行建议,但整体数据挖掘深度较浅,缺少对不同类型数据直接关联性的探究。 第一轮对话: 第二轮对话: (基于初步分析结果,选择其中一部分或某个方 向进行深入的数据挖掘) 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 策制定、质量评估或产品验证的最终依据。 数据可视化 基于titanic遇难者数据分析结果绘制可 视化图表 任务 Open AI o3mini的数据可视化能力突出,能够直接高效地生成多种类型可视化图表,准确度高; DeepSeek R1、Kimi k1.5均能基于分析结果提供多种可视化图表绘制方案,但都需要依靠运行 Python代码才能完成绘图任务,部分代码会出现错误 Open 其他常用中文指令 Prompts(指令) 跨学科融合:将“舆论分析”概念与其他领域的最新具有突破性的理论深度结合,提出极其具有创新的交叉领域的十个问题。 探索“舆论分析”概念的基础理论、哲学基础或科学原理等深层次原理,提出挑战这些基础的前所未有的突破性十个问题。 舆论分析这个概念在最前沿科技或理论中的潜在应用,列出十个充满想象力和震撼性,前所未有的应用。 如果要量化研究审美智能概念,请提出一个0 码力 | 85 页 | 8.31 MB | 8 月前3
KiCad 6.0 PCB 计算器. Calculator Tools Table of Contents 介绍 计算器 稳压器 RF 衰减器 E 系列 色环 传输线 过孔外径 布线宽度 电气间距 电路板类型 1 2 2 3 3 4 4 6 6 7 7 参考手册 版权 This document is Copyright © 2019-2021 by its contributors 下工具: 稳压器 布线宽度 电气间距 2 传输线 射频衰减器 色环电阻 电路板类型 计算器 稳压器 该计算器有助于找到线性和低压差稳压器所需的电阻值。 对于 标准型,输出电压 Vout 作为参考电压 Vref 和电阻 R1 和 R2 的函数,由以下公式给出: 对于_3 端子类型_,由于从调整引脚流过的静态电流 Iadj,有一个校正系数: 3 该电流通常低于 100uA,可以谨慎忽略。 Iadj,选择你要计算的字段(其中一个电 阻或输出电压),并输入其他两个值。 RF 衰减器 利用射频 (RF) 衰减器工具,你可以计算出不同类型衰减器所需的电阻值: PI(π)型 T 型 桥式三通 电阻分压型 要使用这个工具,首先选择你需要的衰减器类型,然后输入所需的衰减(单位:dB)和输入/输出阻抗(单位:欧 姆)。 E 系列 这个计算器可以帮助确定满足所需电阻的标准 E 系列电阻的组合,可以选择排除几个没有的电阻值。0 码力 | 8 页 | 483.32 KB | 1 年前3
KiCad 7.0 PCB 计算器. . . . . . PCB 计算器 Table of Contents 介绍 计算器 稳压器 RF 衰减器 E 系列 色环 传输线 过孔外径 布线宽度 电气间距 电路板类型 1 2 2 3 3 4 4 6 6 7 7 参考手册 版权 本 文 件 的 版 权 ( C ) 2019-2021 年 由 下 列 贡 献 者 所 拥 有 。 您 可 下工具: 稳压器 布线宽度 电气间距 2 传输线 射频衰减器 色环电阻 电路板类型 计算器 稳压器 该计算器有助于找到线性和低压差稳压器所需的电阻值。 对于 标准型,输出电压 Vout 作为参考电压 Vref 和电阻 R1 和 R2 的函数,由以下公式给出: 对于_3 端子类型_,由于从调整引脚流过的静态电流 Iadj,有一个校正系数: 3 该电流通常低于 100uA,可以谨慎忽略。 Iadj,选择你要计算的字段(其中一个电 阻或输出电压),并输入其他两个值。 RF 衰减器 利用射频 (RF) 衰减器工具,你可以计算出不同类型衰减器所需的电阻值: PI(π)型 T 型 桥式三通 电阻分压型 要使用这个工具,首先选择你需要的衰减器类型,然后输入所需的衰减(单位:dB)和输入/输出阻抗(单位:欧 姆)。 E 系列 这个计算器可以帮助确定满足所需电阻的标准 E 系列电阻的组合,可以选择排除几个没有的电阻值。0 码力 | 8 页 | 506.06 KB | 1 年前3
KiCad 8.0 PCB 计算器. . . . . . PCB 计算器 Table of Contents 介绍 计算器 稳压器 RF 衰减器 E 系列 色环 传输线 过孔外径 布线宽度 电气间距 电路板类型 1 2 2 3 3 4 4 6 6 7 7 参考手册 版权 本 文 件 的 版 权 ( C ) 2019-2021 年 由 下 列 贡 献 者 所 拥 有 。 您 可 下工具: 稳压器 布线宽度 电气间距 2 传输线 射频衰减器 色环电阻 电路板类型 计算器 稳压器 该计算器有助于找到线性和低压差稳压器所需的电阻值。 对于 标准型,输出电压 Vout 作为参考电压 Vref 和电阻 R1 和 R2 的函数,由以下公式给出: 对于_3 端子类型_,由于从调整引脚流过的静态电流 Iadj,有一个校正系数: 3 该电流通常低于 100uA,可以谨慎忽略。 Iadj,选择你要计算的字段(其中一个电 阻或输出电压),并输入其他两个值。 RF 衰减器 利用射频 (RF) 衰减器工具,你可以计算出不同类型衰减器所需的电阻值: PI(π)型 T 型 桥式三通 电阻分压型 要使用这个工具,首先选择你需要的衰减器类型,然后输入所需的衰减(单位:dB)和输入/输出阻抗(单位:欧 姆)。 E 系列 这个计算器可以帮助确定满足所需电阻的标准 E 系列电阻的组合,可以选择排除几个没有的电阻值。0 码力 | 8 页 | 503.89 KB | 1 年前3
2024 中国开源开发者报告演提供了可贵的素材。对软件商业化问题感兴趣的朋友一定要长期关注这个赛道。只有这样的对 象才能更有力地说明开源策略的重要性。 其次,我们得明确一点——大模型竞争的赛点是什么?常用的判断依据包括:技术的先进性, C 端用户基数,依赖这个软件的生态系统大小等等。其中哪个更关键一点? 技术先进是好事,但大模型领域的先进技术远没有达到能为大模型企业带来可观收入的程度。 整个大模型赛道还处在商业化的摸索阶段。这个时间点上的“技术先进性”更多是用于公关宣传 智能体作为学术术语由来已久,从上世纪的“符号、专家系统”【1】,到十年前风头无两的 强化学习(代表作 AlphaGo【3】),再到现在的 LLM,agent 底层技术经历了三个大的阶段。 符号系统的缺点在于过于依赖人工定义的“符号”和“逻辑”,强化学习苦于训练数据的匮 乏和“模态墙”,而 LLM 一次性解决这些问题。 人类语言就是一种高度抽象、跨模态、表达力充分的符号系统,同时它作为知识的载体,自 然地 111 我们知道,Transformer 架构呈现了 O(n²)的理论计算复杂度,这里的 n 指的是大模型输入 序列的 token 数量,但其前任语言模型担当 RNN 只有 O(n)的理论计算复杂度。 最近,以 Mamba、RWKV 为代表的类 RNN 结构死灰复燃,公开挑战 transformer 地位。 更有最新研究【13】从理论上表明,RNN 对比 Transformer 的表达力,只差一个0 码力 | 111 页 | 11.44 MB | 8 月前3
共 191 条
- 1
- 2
- 3
- 4
- 5
- 6
- 20













