概率预测（快速反应模型，如ChatGPT 4o） 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 更自然地与人互动，理解复杂情感和意图 问题解决能力 擅长解决结构化和定义明确的问题 能够处理多维度和非结构化问题，提供创造性的解 决方案 伦理问题 作为受控工具，几乎没有伦理问题 引发自主性和控制问题的伦理讨论 CoT链式思维的出现将大模型分为了两类：“概率预测（快速反应）”模型和“链式推理（慢速思考）”模型。 前者适合快速反馈，处理即时任务；后者通过推理解决复杂问题。了解它们的差异有助于根据任务需求选择合 适的模型，实现最佳效果。 创意引导能力 设计能激发AI创新思维的提示语 利用类比、反向思考等技巧拓展AI输出的可能性 巧妙结合不同领域概念，产生跨界创新 结果优化能力 分析AI输出，识别改进空间 通过迭代调整提示语，优化输出质量 设计评估标准，量化提示语效果 跨域整合能力 将专业领域知识转化为有效的提示语 利用提示语桥接不同学科和AI能力 创造跨领域的创新解决方案 系统思维 设计多步骤、多维度的提示语体系

响应速度快，高效输出数据分析 结果，分析各因素对关键指标生 存率的影响，语言表达自然，重 点突出结合历史背景对数据规律 进行验证，但没有察觉数据异常。 DeepSeek R1 详细展示长思维链，精准提取关键指 标“幸存率”，分析多个因素特征对 幸存率的影响，结合历史背景对数据 及规律进行验证，并敏锐察觉数据异 常，提出了异常处理建议。 1、读取titanic遇难者名单excel 且格式较为简化，不符合学术 引用的标准，在学术规范方面 存在一定不足 提供自动生成参考文献的功能， 在中文文献的引用格式上比较 标准，能够确保格式的规范化 Co-STORM通过多智能体协作 对话生成动态思维导图，帮助 用户发现信息盲点并组织内容， 进一步提升了综述的完整性和 全面性 综上所述，在生成综述的准确性、逻辑性、完整性及可读性方面，  元知AI综述工具依托于真实的学术数据库，具备较 力， 使其在数学、编程和自然语言推理等任务上表现出色。 传统依赖： 大规模监督微调（SFT） 创新思路： 强化学习（RL）驱动  推理效率 • 长思维链支持：DeepSeek R1 支持长链推理，能够生成数万字的 思维链，显著提高复杂任务的推理准确性，其长链推理能力在数学、 编程和自然语言推理等任务中表现出色。 • 多模态任务处理：DeepSeek R1 在多模态任务中表现出色，能够

的过程中用的工具运行不起来，自己寻找原因，凭着感觉修改版本号等。又 比如导出的 pdf 有缺字的问题，百度明白后才发现跟字体有关。边干边学，每解决掉一个问题，都挺有满 足感的。带着问题去研究去学习，这是一种问题思维。然而一时的解决方案还不够，后来我详细地阅读了 Asciidoc 使用手册，也经常有“原来，还可以这样写！”的体会。 这一点，跟我们平常工作很像，以项目为导向，用啥学啥。比如初学一个框架，先干起来，边看文档，边敲

关的问题，比如转换pdf的过程中用的工具运行不起来，自己寻找原因，凭着感觉修改版本号等。又比如导出 的pdf有缺字的问题，百度明白后才发现跟字体有关。边干边学，每解决掉一个问题，都挺有满足感的。带着 问题去研究去学习，这是一种问题思维。然而一时的解决方案还不够，后来我详细地阅读了Asciidoc使用手 册，也经常有“原来，还可以这样写！”的体会。 这点跟我们平常工作很像，以项目为导向，用啥学啥。比如初学一个框架，先干起来，边看文档，边敲代码