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

20

文章

5697

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

Agent元年：从聊天机器人到数字员工的当代进化史

当ChatGPT核爆式走红时，全人类第一次意识到，AI不仅能回答问题，还能成为你的"赛博同事"。早期的Copilot（副驾驶）类助手就像乖巧的实习生——勤快听话，你问它答，你令它动。而如今的Agent（智能代理）已经进化成能独当一面的"数字员工"，它不再是只会等待指令的被动助手，而是能自主规划、拆解任务、调用工具的智能管家。

2025-03-08

120

Agent：数字代理的崛起与未来

在ChatGPT引发的人工智能热潮中，我们亲眼见证了AI应用形态的戏剧性演变。回想2022年底，当人们首次体验ChatGPT时，那种震撼感仍历历在目——一个能够理解复杂问题并提供流畅回答的聊天机器人（chatbot），彻底改变了我们对机器智能的期望。这种应用形态——我们姑且称之为"对话式AI"——本质上是大语言模型（LLM）应用的初级表现形式，一种简单的信息交换机制。

2025-03-08

220

o3 deep research: LLM 驱动的 Agent 综述

大型语言模型（LLM）的崛起在过去几年引发了人工智能领域的飞跃式发展。尤其是 2022 年底 OpenAI 推出的 ChatGPT，短短两个月内月活用户就突破一亿，成为史上用户增长最快的消费者应用 (ChatGPT sets record for fastest-growing user base - analyst note | Reuters)。ChatGPT 所展现的强大自然语言对话和内容生成能力，如一场“核爆”引发全球对于通用人工智能的极大关注，各行各业开始思考如何将这类大模型应用到实际业务中。紧随其后，OpenAI 发布了更先进的 GPT-4 模型，能够理解更复杂的指令，并支持图像等多模态输入。这场由 ChatGPT 引领的LLM浪潮，不仅催生了大量类似产品和开源模型，也让“ AI 更自主地完成复杂任务”成为下一个技术探索热点。在这种背景下，由 LLM 驱动的 Agent（智能代理）概念逐渐兴起，成为 AI 技术爱好者和产业从业者共同关注的前沿方向。

2025-03-08

210

【外一篇：推理范式演进中的概念】

大模型知识引擎 LLM

- 训练时间（Training Time）：参数空间Θ的优化过程，目标函数为误差最小化 minL(θ;D_train) - 推断时间（Inference Time）：固定参数θ时对新样本x_test的条件分布预测p(y|x_test;θ)

2025-03-07

450

思维链是大模型的符号神助攻

大模型知识引擎 LLM

在人工智能发展的历史长河中，符号逻辑和神经网络一直如两条平行线，难以交汇。然而，2024年春节，DeepSeek发布的推理大模型R1揭示了一个令人惊叹的技术突破——思维链(Chain of Thought, CoT)的自主生成，其展现出的语言序列仿佛在模拟人类的符号逻辑。这一强化学习的进展或将重新定义符号逻辑与神经网络的融合路径。

2025-03-05

1020

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

880

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

890

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

800

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

2150

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

730

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

610

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

540

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

450

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

1430

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

1300

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

2100

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

5500

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

点击加载更多

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