DeepSeek+DeepResearch 让科研像聊天一样简单 北京航空航天大学 高研院 助理教 授 清华大学新闻学院与人工智能学 院双聘教授 沈阳团队博士后 何静 能做什么？ 要怎么做？ 效果如何？ 一 能做什么？ 数据挖掘 数据分析 数据采集 数据处理 数据可视化 AIGC 数据应用 通过编写爬虫代码、访问数据库、读取文件、调用API等方式，采 集社交媒体数据、数据库内容、文本数据、接口数据等。 Markdown 表格的形式提供，表格有两列，标题为中文。第一列给出英文标题，第二 列给出中文解释。以下文本为摘要： 【指令后加上文章的摘要】。 中-英、英-中互译指令 指令：我想让你充当一名科研类的英汉翻译，我会向你提供一种语言的一些段落，你的任务是将这些段落准确地、学术性 地翻译成另一种语言。翻译后不要重复原文提供的段落。您应使用人工智能工具（如自然语言处理）以及有关有效写作技巧 的 indicating failure occurred. 改写降重指令 指令：我想让你充当科研写作专家，并提供一些英文或中文段落，你的任务是用原文改写段落。你应该使用 人工智能工具（如自然语言处理）、修辞知识和你在有效科学写作技巧方面的专业知识来回答。请只提供改 写后的文本，不作任何解释，请用科研语气风格重写下面的文字： 解读文献配图指令 指令：这是发表在【杂志名称】期刊上的一篇论文中

规范商用密码应用和管理，鼓励和促进商用密码产业发展 • 认证 • 进出口 • 应用 • 监督管理 提出加强保护支持产权，鼓励产 学研结合等鼓励措施 推进商用密码检测认证体系建设， 明确商用密码检测机构的资质 • 科研 • 检测 规范对采用商用密码技术提供电 子认证服务的行为和资质认定 定义需要实时进口许可、出口管 制的商用密码 鼓励公民、法人和其他组织使用 规范商用密码保护网络信息安全 督促商用密码建成协作监督机制， 及技术巨头基于自身基础设施布局以及资源投入优势成为通用型AI框架的 主要厂商，其中飞桨与MindSpore具有较为领先的位置，提供覆盖全场景的AI开发要素。AI企业基于自身业务将底层框架开放，以 及科研机构自主研发是垂直类AI框架的主要渠道，针对某一具体场景提供高效灵活的开发支持。 来源：开源版本数据来自Gitee、Github，根据专家访谈、公开资料，由艾瑞咨询研究院自主研究及绘制。 中国主要开源AI框架分类 社区运营组织：30+ 高校及科研院所伙伴：325+ 社区PR总数：8.3万+ 社区全球下载量：650万+ MindSpore社区看板 社区活跃度处于国内第一梯队，联合企业及学术机构推动大模型应用 MindSpores在生态活跃度及场景应用方面已处于国内第一梯队。截至目前，社区总下载量超过551万，核心贡献者超过2万4千名， 服务5500+企业，与325家高校及科研院所展开合作，于其中270余

3090（24GB VRAM） - 存储: 20GB - 内存: 32GB（M3 Max） - 存储: 20GB 复杂推理、技术⽂档⽣ 成 32B+ 企业级部署（需多卡并联） 暂不⽀持 科研计算、⼤规模数据 处理 2. 算⼒需求分析 模型 参数规 模 计算精 度 最低显存需 求 最低算⼒需求 DeepSeek-R1 (671B) 671B FP8 ≥890GB 2*XE9680（16*H20 2. 国产硬件推荐配置 模型参数 推荐⽅案 适⽤场景 1.5B 太初T100加速卡 个⼈开发者原型验证 14B 昆仑芯K200集群 企业级复杂任务推理 32B 壁彻算⼒平台+昇腾910B集群 科研计算与多模态处理 四、云端部署替代⽅案 1. 国内云服务商推荐 平台 核⼼优势 适⽤场景 硅基流动 官⽅推荐API，低延迟，⽀持多模态模型 企业级⾼并发推理 腾讯云 ⼀键部署+限时免费体验，⽀持VPC私有化

同济大学，教学管理信息微服务化上云 新功能上线 月 -> 天 弹性伸缩 秒级 AI 新生报到人脸识别 教务系 统 科研系 统 人事系 统 … 独立烟囱 (12个) 云容器引擎，微服务引擎，EI服 务 微服务公共组 件 数据平台 教学 科研 人事 … 华为云 servicecomb.apache.org github.com/apache?q=servicecomb

微服务化后 案例：助力某无人机企业打造智慧控制大脑 新功能上线 月 -> 天 弹性伸缩 秒级 AI 新生报到人脸识别 教务系统 科研系统 人事系统 … 独立烟囱 (12个) 云容器引擎，微服务引擎，EI服务 微服务公共组件 数据平台 教学 科研 人事 … 案例：助力某大学教学管理信息系统上云 应用市场 游戏中心 视频 阅读 音乐 天际通 生活服务 华为钱包 主题 HiBoard

- 人工智能安全治理框架 人工智能是人类发展新领域，给世界带来巨大机遇，也带来各类风险挑战。 落实《全球人工智能治理倡议》，遵循“以人为本、智能向善”的发展方向，为 推动政府、国际组织、企业、科研院所、民间机构和社会公众等各方，就人工 智能安全治理达成共识、协调一致，有效防范化解人工智能安全风险，制定本 框架。 1. 人工智能安全治理原则 秉持共同、综合、合作、可持续的安全观，坚持发展和安全并重，以促 机制。构建人工智能安全事件应急处置机制，制定应急预案，开展应急演练， 及时快速有效处置人工智能安全威胁和事件。 5.8 加大人工智能安全人才培养力度。推动人工智能安全教育与人工 智能学科同步发展，依托学校、科研机构等加强人工智能安全设计、开发、治 理人才的培养，支持培养人工智能安全前沿基础领域顶尖人才，壮大无人驾驶、- 12 - 人工智能安全治理框架 智能医疗、类脑智能、脑机接口等领域安全人才队伍。

编程助⼿：Kimi
可以帮你快速阅读
API
⽂档，定位所需信息，还可以根据你的需求⽣成代码、快 速
Debug，覆盖
Python、C++、Java
等多种编程语⾔。
【适⽤⼈群】
• 学术科研⼈群：快速阅读并深⼊理解⼤量⽂献，⽤⺟语掌握⽂献的精髓，解释复杂学术概念，分析 研究结果，撰写论⽂，回应审稿⼈的建议。 • 互联⽹从业者：⾼效搜集信息，辅助竞品分析、运营策划等⽅案撰写。 • 。 基于⼤模型设计的⽂字游戏玩家抱怨⻆⾊设定信息少，输出缺乏逻辑性。 同样的，我们也⽤《三体》试了⼀下，让
KIMI
模仿⼤史说话，效果也⾮常不错：
重要的是，这种基于⻓⽂本的多轮对话能⼒在科研、教育等场景中也⾮常实⽤，⽐如它可以解读最近 很⽕的微软
GPT-4V
使⽤体验论⽂：
⼏轮体验下来，可以明显感觉到，当上下⽂窗⼝扩展到
20
万字，我们能⽤⼤模型做的事情突然就多了 很多。 世界创造巨⼤价值，在智能程度上还需 要⼤的突破，这需要具备顶级技术能⼒的团队，以坚持追寻
Moonshot
的勇⽓，持续挑战智能提升的边界。杨 植麟作为
XLNet
等多项知名科研⼯作的第⼀作者，具备⾮常丰富的科研和实践经验，多年来他⼀直坚信通过⼤ 模型实现对⾼维数据的压缩是⼈⼯智能发展的必经之路，也团结了⼀⽀⼈才密度超⾼，配合默契，⼜充满挑战 巨头摇滚精神的创业团队。真格基⾦⾮常荣幸能够

Evaluation）包含 12 个任务，涉及一系列主题，包括习语检测和嵌入、讽刺检测、 多语言新闻相似性等任务，吸引了包括特斯拉、阿里巴巴、支付宝、滴滴、华为、字 节跳动、斯坦福大学等企业和科研机构参与。 其 中 Task 10: 结 构 化 情 感 分 析（Structured Sentiment Analysis）属 于 信 息 抽 取（Information Extraction）领域。该任务包含两个子任务（分别是 验，实验结果表明新算法相较于基线算法的取消订单量下降了 25%，显著提升了用 户体验。 写在后面 以上这些论文是美团技术团队与各高校、科研机构通力合作的成果。本文主要介绍了美团在图 谱预训练、选择算法、意图自动发现、效果建模、策略学习、概率预测、奖励框架等技术领域 一些科研工作。希望能对大家有所帮助或启发，也欢迎大家跟我们进行交流。 算法 < 391 ACM SIGIR 2022 | 美团技术团队精选论文解读 Feed》的后续工作。 写在后面 以上这些论文是美团技术团队与各高校、科研机构通力合作的成果。本文主要介绍了我们在观 点标签、跨域情感分类、领域自适应、跨域检索、点击率预估、对话主题分割等技术领域做的 一些科研工作。希望能对大家有所帮助或启发，也欢迎大家跟我们进行交流。 美团科研合作 美团科研合作致力于搭建美团技术团队与高校、科研机构、智库的合作桥梁和平台，依托美团 丰富的业务场景、数据资源和

36%，其次则是从业时间为 3-5 年、6-10 年的 参与者占⽐分别为 19%、15%，从业时间在 10 年以上的约 2 成。 在参与者中，有近七成参与者从事互联⽹开发/软件开发领域，其次则是教育/学术/科研领域 的参与者，占⽐约 15%，⾦融银⾏、媒体⼴告娱乐等领域也在积极参与开源。 3.3 职位分布 参与者中学⽣和开发者占绝⼤多数，相⽐于 2019年，学⽣占⽐⼤⼤增加，约 37%，开发者 占⽐约 可以看到，很多⼈参与开源并不追求物质回报，有三成参与者没有开源收⼊，但依然热衷于开 源⼯作，同时，我们还可以注意到有 12% 的参与者表示企业会⽀付⼯资⽀持员⼯全职/部分 参与开源，有 23% 的参与者表示学校科研项⽬或社团投⼊⽅⾯有在⽀持参与开源，可⻅现在 企业和学校都开始逐渐关注并重视开源。 【专家点评】 吴晟：能够获得开源收⼊⽐例和开源参与时间超过 20 ⼩时的⽐例⾼度⼀致，很好的显示出商 业价

就像今天的基层程序员，需要人表达清楚需求才能做好，复杂系统的架构设计和问题解 决也还是要靠人。 专业模型是通向 AGI 的必经之路。Anthropic CEO 预测，未来 5 年专业模型将达到人类顶 尖专家水平，将人类科研进展加速 10 倍，15 年后人类寿命有望达到 150 岁。但 AGI 能否实现， 最大的不确定性在于技术和资金。 技术方面，一些头部大模型公司已经发现 Transformer 能力“撞墙”，现有高质量语料基 生成调研报告等。 总体来说，目前 AI 应用尚处于“iPhone 1”时代，模型能力、应用生态、用户习惯都在快 速进化中。所谓“AI 一天，人间一年”，即使是 AI 专家，也很难跟上所有最新的科研进展。大 模型的时代才刚刚开始，预测未来的最好方式就是持续学习、探索、利用 AI 能力，创造未来。 李博杰 李博杰是 AI 创业者，研究方向为高性能数据中心系统。曾任华为计算 机网络与协议实 AI 处理器芯片的设计，例如谷歌于 2014 年开始部署 TPU[15]、Meta 开始自研 MTIA 芯片、Tesla 自研 Dojo 芯片等等。可以说，在这一轮全球 AI 处理器热潮中，中国科研团队起到了当之无愧的引领作用。 3.2 英伟达 GPU 与 CUDA 2001 年，斯坦福大学 Bill Dally 教授团队在处理器微结构旗舰期刊《IEEE Micro》上发 表了一篇题为“Imagine:Media