· 如何使用Deepseek? ## DeepSeek是什么？ - DeepSeek是一家专注通用人工智能（AGI）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 uments/f/3/7/0/f37064274bc52e8d62ab0d2bc829c32d/p9_2.jpg) ## 如何从入门到精通？ 当人人都会用AI时，你如何用得更好更出彩？ ## 推理模型 推理大模型：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。 例如： 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。 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。 |维度|推理模型|通用模型| |---|---|---| |优势领域|数学推导、逻辑分析、代码生成、复杂问题拆解|文本生成、创意写作、多轮对话、开放性问答|

· 如何使用Deepseek? ## DeepSeek是什么？ - DeepSeek是一家专注通用人工智能（AGI）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 uments/5/1/3/f/513f8baf8f2fc5547b0250d9608bf2de/p9_3.jpg) ## 如何从入门到精通？ 当人人都会用AI时，你如何用得更好更出彩？ ## 推理模型 推理大模型：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。 例如： 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。 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。 |维度|推理模型|通用模型| |---|---|---| |优势领域|数学推导、逻辑分析、代码生成、复杂问题拆解|文本生成、创意写作、多轮对话、开放性问答|

DeepSeek-R1 精华图解 …… 7 3.1 DeepSeek-R1 完整训练过程 …… 7 3.1.1 核心创新 1：含 R1-Zero 的中间推理模型 …… 8 3.1.2 核心创新 2：通用强化学习 …… 8 3.2 含 R1-Zero 的中间推理模型训练过程 …… 9 3.3 通用强化学习训练过程 …… 10 3.4 总结 DeepSeek-R1 …… 11 4 参考文献 云服务宕机，本地大模型依然可以正常工作，不受外部因素影响。 ## 本教程搭建 DeepSeek 好处 本地搭建 DeepSeek 三个比较实际的好处： • 本教程接入的是 DeepSeek 推理模型 R1，开源免费，性能强劲 • 本教程搭建方法零成本，不需花一分钱。 - 为了照顾到大部分读者，推荐的搭建方法已将电脑配置要求降到最低，普通电脑也能飞速运行。 ### 1.2 DeepSeek 1：含 R1-Zero 的中间推理模型 如图7所示，推理导向的强化学习(Reasoning-Oriented Reinforcement Learning)得到中间推理模型（Iterim reasoning model），图8会详细解释中间模型的训练过程。 DeepSeek-R1 核心贡献：首次验证了通过纯强化学习也能大幅提升大模型推理能力，开源纯强化学习推理模型 DeepSeek-R1-Zero

价值创造，成为社会发展的持续动力。 ## DeepSeek是什么？ • DeepSeek是一家专注通用人工智能(AGI)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 。 4. 提前准备：在沟通前，整理好自己的观点和感受，避免情绪化表达。 5. 引入专业资源：如需要，可以寻求律师或家庭顾问的帮助，确保遗产分配的合法性和公正性。 ## 提示语策略差异 ## 推理模型 - 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）。 ## 2 ## 通用模型 - 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）。 ## 从 “下达指令” 到 “表达需求” |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|

预训练大模型 → 推理大模型 预训练模型如GPT——疯狂读书，积累知识，Scaling law撞墙 ➢ 预训练模型思考深度不够 算力见顶，变成少数巨头游戏 预训练大模型难以通往AGI之路 > 推理模型如R1——通过逻辑链条推导答案， > 分解规划，自我反思 ➢ 预训练范式像是记忆和模仿，强化学习范式更像探索实践 记住很多东西只是基础，真正有价值的是融会贯通 R1找到了人类通往AGI的方向 快 人类真正智力表现的形式 例：课后作业、仔细思考 GPT、DeepSeek-V3擅长的思考方式 长思维链强大的推理能力是真正人类智力的体现 ➢ 预训练大模型是人记忆和学习的能力，推理模型是对复杂问题进行规划、分解、预测的能力，实现了真正的慢思考 # DeepSeek颠覆式创新——技术创新 ## DeepSeek-R1是AI发展史上的重要里程碑 ## Alpha Zero时刻 测 # DeepSeek六大应用方向之五 ## 科学研究：打造科研新范式 人工智能的目标是星辰大海，是为了让人类在科技上有突破 基于DeepSeek的强推理模型，利用科学领域专业知识进行强化学习， 能够打造更加专业的科学推理模型 ## AI For Science，为基础科学带来革命性变化 ## 2024 诺贝尔化学奖颁发给研发AlphaFold的两位AI专家未来所有科学研究都将以AI为中心

h 基本知识介绍 ## DeepSeek：颠覆出圈，霸榜热议 DeepSeek是一家专注通用人工智能（AGI）的中国科技公司，主攻大模型研发与应用。 DeepSeek-R1是其最新发布并开源的推理模型，擅长处理复杂任务且可免费商用，其性能在多个基准测试中表现出色，对齐OpenAI-O1正式版，甚至在某些任务上表现更优。 ## 我是 DeepSeek，很高兴见到你！ 我可以帮你写代码、读文件 LLM，包括7B和67B的base及chat版本 2024年12月26日 发布总参数达6710亿的DeepSeek-V3，采用创新MoE架构和FP8混合精度训练，训练成本大幅降低 2025年1月20日 发布新一代推理模型DeepSeek-R1，性能与OpenAI的o1正式版持平，并开源 ## 推理能力：核心突破，专项升级 DeepSeek R1 的核心突破在于其通过强化学习驱动的推理能力。该模型 强化学习技术，显著提升模型的推理能力，使其在数学、编程和自然语言推理等任务上表现出色。 ## 推理能力 • 强化学习驱动：DeepSeek R1-Zero 是首个完全基于强化学习（RL）训练的推理模型，无需任何监督微调（SFT）步骤，打破传统模型依赖大量标注数据的惯例。DeepSeek-R1 采用强化学习作为核心训练方法，显著提升了模型的推理能力和语言表达的可读性。 - 推理能力专项提升：在

https://api.deepseek.com/v1 来使用。也就是说上一个用不了再试试这个。 ## 第三个就是模型： ☐ deepseek-reasoner 是 DeepSeek 最新推出的推理模型 DeepSeek-R1。通过指定 model='deepseek-reasoner'，即可调用 DeepSeek-R1。 ☐ 通过指定 model='deepseek-chat'

Edit View Run Kernel Tabs Settings Help |\+|\+|C|ai\_pipeline.ipynb|×| |---|---|---|---|---| ## 加载检测推理模型 detector File Edit View Run Kernel Tabs Settings Help ![Image](/uploads/documents/f/c/8/6/fc863

4ff5bb/p4_2.jpg) ## DeepSeek 三种模式对比 • 基础模型（V3）：通用模型（2024.12），高效便捷，适用于绝大多数任务，“规范性”任务 • 深度思考（R1）：推理模型，复杂推理和深度分析任务，如数理逻辑推理和编程代码，“开放性”任务 • 联网搜索：RAG（检索增强生成），知识库更新至2024年7月 V3 还是 R1？过程驱动（规范约束）还是结果驱动（模糊目标）？

的场景变为现实。 一般认为, 同时具备 GPT-4o 多模态能力和 o1 推理能力的模型就可以满足个人模型的需求, 目前国内的头部 AI 公司也已接近个人模型的技术目标。但目前端到端多模态模型和推理模型的成本仍然较高, 且在一些场景下还不够稳定。 但 2023 年以来，模型知识密度有每 8 个月提升一倍的“类摩尔定律”趋势，加上硬件的摩尔定律和推理框架的优化，一到两年后，个人模型的成本将达到可