deepseek-腾讯云开发者社区

开发者社区

文档建议反馈控制台

腾讯云架构师技术同盟

文章/答案/技术大牛

发布

deepseek

追踪deepseek

专栏成员

15

文章

5335

阅读量

13

订阅数

DeepSeek 风暴下看看它的论文

R1 论文读下来，原来被 OpenAI 从 q* 开始到 o 系列，搞得神秘兮兮的所谓 System 2 慢思维的强化训练过程，一下子就变得清晰简单多了。

2025-02-03

3.5K0

置顶

The Three-Stage Scaling Laws Large Language Models

Mr. Huang's background features three S-curves, illustrating the scaling relay race across three stages of large language models, demonstrating a persistent spirit akin to the Chinese fable of the legendary Old Man Who Moved Mountains.

2025-03-03

330

大模型三阶段的 scaling laws 接力赛

大模型知识引擎 LLM

黄教主背后是三个S曲线，illustrate 的是大模型三个阶段的“做大做强”的 scaling 接力赛，颇显挖山不止的愚公移山精神。

2025-03-03

490

左脚踩右脚可以飞吗，谈交替使用监督微调和强化学习的后训练

LLM 大模型知识引擎

在大模型后训练中，像deepseek R1那样交替使用监督微调（SFT）和强化学习（RL），而非单一依赖 RL 或蒸馏，背后的核心逻辑如下。

2025-02-28

740

o3 Deep Research: DeepSeek R1 多阶段训练流程问答解析

大模型知识引擎 LLM

A: DeepSeek R1 采用了四阶段的训练流程，包括两个强化学习（RL）阶段和两个监督微调（SFT）阶段 (DeepSeek-R1的四个训练阶段 - 蝈蝈俊 - 博客园)。这一多阶段策略旨在先通过少量数据稳定模型输出格式，然后大规模提升推理能力，接着扩展通用能力，最后对齐人类偏好，逐步打造出既擅长推理又安全实用的模型 (DeepSeek-R1的四个训练阶段 - 蝈蝈俊 - 博客园) (DeepSeek-R1的四个训练阶段 - 蝈蝈俊 - 博客园)。具体来说：

2025-02-28

2000

RPA 赛道与大模型Co-pilots早期创业者的困局

大模型知识引擎

- 传统 RPA：依赖工程师编写脚本或流程图（如 UiPath 的拖拽式设计器），需精准定义每一步操作逻辑，如同教机器人跳格子，容错率低。 - LLM Agent：直接理解人类意图（"把邮件里的发票信息录入系统"），自主拆解任务链条，动态调整执行路径。 - 典型案例：ChatGPT 插件系统已能调用 API 完成订机票、查数据等操作，而传统 RPA 实现同等功能需低代码脚本。

2025-02-27

680

符号主义被打入冷宫太久了，难道神经是AI的终结者吗？

人工智能深度学习

虽然没人可以预测未来，虽然抛弃两条路线的一条感觉政治不正确，但的确不能排除这种单极主义的可能性。

2025-02-24

590

True Story Behind DeepSeek: Learning to Think Slowly Without Human Supervision

InfoQ: "DeepSeek adheres to a pure reinforcement learning approach, but the industry often refers to RL as 'alchemy' - how did they make this process controllable and accessible? What's innovative about their reasoning paradigm?"

2025-02-16

530

Does the New Reasoning Paradigm (Query+CoT+Answer) Support a New Scaling Law?

— Reflections on LLM Scaling Laws and DeepSeek's R1

2025-02-14

430

Technical Deep Dive: Understanding DeepSeek R1's Reasoning Mechanism

A detailed analysis of how DeepSeek R1's inference mechanism works in production, and how it differs from training-time reinforcement learning.

2025-02-14

660

DeepSeek 笔记：推理新范式 query+cot+answer 支持新的 scaling law 吗？

scaling 自动推理 DeepSeek

老友张俊林《从Deepseek R1看Scaling Law的未来》一文，引起老友热议。

2025-02-14

1400

DeepSeek 笔记：R1 部署阶段的推理机制

强化学习自动推理 DeepSeek

- 生成多条路径：模型在单次推理时，可能隐式生成多条潜在的推理路径（CoT+Answers），但仅选择其中一条输出。 - 技术实现：通过调整解码策略（如束搜索宽度 `beam_width`），模型在生成过程中维护多个候选序列（即多条路径），最终选择综合评分最高的路径。 - 用户感知：用户仅看到最终输出，但模型内部进行了多路径探索与筛选。 - 效率权衡：若设置 `beam_width=1`（贪心搜索），则退化为单路径生成，响应速度最快；增大 `beam_width` 可提升输出质量，但增加计算延迟。

2025-02-14

1240

从R1幻觉谈起，大模型幻觉是缺陷还是创意火花？

主持人：大家好，欢迎来到今天的访谈。最近，大模型的“幻觉”问题引发了热议，尤其是DeepSeek-R1，它的幻觉率似乎比自己的基座大模型DeepSeek-V3高不少。今天我们请到了资深AI研究员立委博士，来跟大家聊聊这个话题。立委，您好！

2025-02-10

2060

推理强化模型中思维链的本质

强化学习 LLM

DeepSeek R1 的出圈是近来最大热度的焦点。它不仅在数学、代码等强推理能力上追平了 OpenAI 头部推理模型 o 系列，而且在语言文字的创造力和模仿力方面产生让人惊艳的效果。尤其是在中文（国学）的能力方面，大家都体会到了奇迹般的能力跃升。

2025-02-08

5460

推理强化学习是端到端的监督，推理过程的非监督

自动推理大模型知识引擎

DeepSeek R1 的数学和代码数据究竟是有监督还是无监督？是人造数据还是再生数据？

2025-02-03

1560

没有更多了

社区活动

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·干货材料·成员作品最新动态