据的深层内涵和关联性；  DeepSeek R1与Claude 3.5 sonnet同样能准确完成数据的分类任务，但数据之间的关联挖掘程度相对较浅；  Open AI o3mini受附件上传限制影响，由于数据集较大，暂不能完成该任务。 结论 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。 数据可视化 基于titanic遇难者数据分析结果绘制可 trophic level as well as thedynamics of the entire community structure. 对于整个群落来说，捕食对于保持种群结构稳定、食物网进程 及种群内物种数量稳定具有重要意义（Menge等，1986； Garrity和Levings，1981；Murdoch和Oaten，1975）。 For the entire community, 删除了多余的"能够"，并将两个 动态合并在一起，使句子更简洁。 对于整个群落来说，捕食对于保持种群结构稳定、 食物网进程及种群内物种数量稳定具有重要意义 (Menge等，1986; Garrity和Levings，1981; Murdoch和Oaten，1975)。 对整个群落而言，捕食对保持种群结构稳定、 食物网进程和物种数量稳定具有重要意义 (Menge等，1986;Garrity和Levings,1981;

至 arXiv 的日期）来 确定大型语言模型（大小超过 10B）的发展历程。如果没有相应的论文，我们 将模型的日期设定为其公开发布或宣布的最早时间。我们用黄色标记那些公开 可用的模型检查点。由于空间限制，我们只包括那些公开报道评估结果的大型 语言模型。 Figure 2: 各个大型语言模型发布时间线 5 1.4 基础概念 1.4.1 上下文窗口 上下文窗口指的是模型一次可以处理的最大文本长度。这个长度通常用“to- -d --name lobe-chat -p 10084:3210 -e ACCESS_CODE=lobe66 lobehub/lobe-chat:latest 22 解释下这条命令，它用于以守护进程模式（后台）运行一个名为 lobe-chat 的 Docker 容器，并设置一些特定参数： docker run ： 启 动 并 运 行 一 个 新 的 Docker 容 器。 -d： 在 后 台

提示语策略差异 1 2 推理模型 通用模型 • 提示语更简洁，只需明确任务目标和 需求（因其已内化推理逻辑）。 • 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 • 定义与目标 适用场景 示例（推理模型适用） 优势与风险 指令驱动 直接给出明确步骤或 格式要求 简单任务、需快速执行 “用Python编写快速排序函 数，输出需包含注释。” ✅ 结果精准高效 ❌ 限制模型自主优化空 间 需求导向 描述问题背景与目标， 由模型规划解决路径 复杂问题、需模型自主 推理 “我需要优化用户登录流程， 请分析当前瓶颈并提出3种方 案。” ✅ 激发模型深层推理 促使AI对比或论证、引导思维的多样性 控制提示语长度的技巧：避免嵌套复杂的指令、 保持简洁性、使用分步提示 开放式提示：提出开放性问题，允许AI根据多个 角度进行生成 封闭式提示：提出具体问题或设定明确限制，要 求AI给出精准回答 常见陷阱与应对：新手必知的提示语设计误区 缺乏迭代陷阱：期待一次性完美结果 陷阱症状： ▪ 过度复杂的初始提示语 ▪ 对初次输出结果不满意就放弃 ▪ 缺乏对AI输出的分析和反馈

提示语策略差异 1 2 推理模型 通用模型 • 提示语更简洁，只需明确任务目标和 需求（因其已内化推理逻辑）。 • 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 • 定义与目标 适用场景 示例（推理模型适用） 优势与风险 指令驱动 直接给出明确步骤或 格式要求 简单任务、需快速执行 “用Python编写快速排序函 数，输出需包含注释。” ✅ 结果精准高效 ❌ 限制模型自主优化空 间 需求导向 描述问题背景与目标， 由模型规划解决路径 复杂问题、需模型自主 推理 “我需要优化用户登录流程， 请分析当前瓶颈并提出3种方 案。” ✅ 激发模型深层推理 促使AI对比或论证、引导思维的多样性 控制提示语长度的技巧：避免嵌套复杂的指令、 保持简洁性、使用分步提示 开放式提示：提出开放性问题，允许AI根据多个 角度进行生成 封闭式提示：提出具体问题或设定明确限制，要 求AI给出精准回答 常见陷阱与应对：新手必知的提示语设计误区 缺乏迭代陷阱：期待一次性完美结果 陷阱症状： ▪ 过度复杂的初始提示语 ▪ 对初次输出结果不满意就放弃 ▪ 缺乏对AI输出的分析和反馈

2 通用模型 • 提示语更简洁， 只需明确任务目标和 需求（因其已内化推理逻辑） 。 • 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） 。 策略类型 定义与目标 适用场景 示例（推理模型适用） 优势与风险 指令驱动 直接给出明确步骤或 格式要求 简单任务 、需快速执行 “用Python编写快速排序函 数， 输出需包含注释 。 ” 结果精准高效 限制模型自主优化空 间 需求导向 描述问题背景与目标， 由模型规划解决路径 复杂问题 、需模型自主 推理 “我需要优化用户登录流程， 请分析当前瓶颈并提出3种方 案 。 ” 体系和分析创新条件，探索智能体如何推动知识生成从常规化迈 向创新化。 智能体知识循环边界的研究 智能体在长时间对话中常表现出“知识循环边界”，即生成内容 重复或局限于特定模式的现象，源于训练数据、算法模型及预设 规则的限制。这一现象与逻辑学中的自指问题（如罗素悖论、哥 德尔定理）相关。 研究通过实验分析问题类型（全收敛、半收敛、非收敛）和对话 次数（50次、100次、150次）对生成内容相似性与创新性的影响， 建立了测量AI触及知识循环边界的方式。

，确保最低限 度有效功能。 （h）服务提供者应将人工智能系统运行中发现的安全事故、安全漏洞等 及时向主管部门报告。 （i）服务提供者应在合同或服务协议中明确，一旦发现不符合使用意图 和说明限制的误用、滥用，服务提供者有权采取纠正措施或提前终止服务。 （j）服务提供者应评估人工智能产品对使用者的影响，防止对使用者身 心健康、生命财产等造成危害。 6.3 重点领域使用者安全应用指引 认证机 制，增强账户安全性。 （e）重点领域使用者应增强网络安全、供应链安全等方面的能力，降低 人工智能系统被攻击、重要数据被窃取或泄露的风险，保障业务不中断。 （f） 重点领域使用者应合理限制人工智能系统对数据的访问权限，制定 数据备份和恢复计划，定期对数据处理流程进行检查。 （g）重点领域使用者应确保操作符合保密规定，在处理敏感数据时使用 加密技术等保护措施。 （h）重点领域 社会公众安全应用指引 （a）社会公众应提高对人工智能产品安全风险的认识，选择信誉良好的 人工智能产品。- 16 - 人工智能安全治理框架 （b）社会公众应在使用前仔细阅读产品合同或服务协议，了解产品的功 能、限制和隐私政策，准确认知人工智能产品做出判断决策的局限性，合理设 定使用预期。 （c）社会公众应提高个人信息保护意识，避免在不必要的情况下输入敏 感信息。 （d）社会公众应了解人工智能产品的数据处理方式，避免使用不符合隐

执行层: 2. 能力矩阵 (Capability Matrix) •功能范围 •专业技能 •决策权限 约束层: 3. 边界系统 (Boundary System) •伦理规范 •安全限制 •资源约束 操作层: 4. 工作引擎 (Operation Engine) •输入处理 •执行流程 •输出规范 如何使用DeepSeek制作可视化图表？ 如何使用DeepSeek制作可视化图表？

GPU 跑 2 周。以每张卡 10 万人民币的价格计算，单 次训练成本就将达到 25-35 亿人民币。 10月17日，美国商务部工业和安全局(BIS)公布新的先进计算芯 片、半导体制造设备出口管制规则，限制中国购买和制造高端芯 片的能力，受管制的包括但不限于 NVIDIA A100、H100、 A800、H800、L40、L40S 以及集成这些高性能计算的 DGX/HGX 系统，并将中国 GPU 企业及其子公司列入了实体清