DeepSeek原理與落地應用,基于上下文預測下一個 token,激發深度思考等,提升對話質量

人工智能概念辨析：介紹大模型相關術語，回顧大模型從運算推理、知識工程到深度學習的發展歷程，對比生成模型和推理模型在定位、推理能力、多模態支持、應用場景和用戶交互體驗的差異。

DeepSeek R1

公司與模型：DeepSeek 成立于 2023 年 7 月，獲幻方量化支持，專注大語言模型開發。旗下模型包括生成模型 V3 和推理模型 R1，R1 具有推理能力強、開源、低成本、國產化等特點，在國際競爭中處于梯隊。

使用與部署：提供官方網頁、APP、API，還可通過超算平臺等第三方渠道使用。個人可通過 Ollama 部署蒸餾模型，企業可利用 vLLM 進行生產J部署。部署 R1 滿血版需特定算力支持，不同算力配置價格不同。

模型原理：GPT 采用 Transformer 架構，經預訓練、監督微調等階段，基于上下文預測下一個 token。生成模型有語言理解和生成等能力，但存在幻覺等問題。DeepSeek R1 通過思維鏈、強化學習和蒸餾技術，提升推理能力，減少模型大小。

落地應用

提示詞技巧：包括真誠直接、使用通用公式、說人話、反向 PUA、善于模仿、擅長銳評、激發深度思考等，可提升對話質量。

應用場景：適用于推理密集型任務、教育與知識應用、文檔分析、開放L域問答寫作等場景。在教育與學術L域，可用于教學設計、作業批改、論文輔助等；在知識付費L域，可進行課程大綱設計、直播腳本撰寫等。

附件：DeepSeek原理與落地應用,基于上下文預測下一個 token,激發深度思考等,提升對話質量