新版DeepSeek R1 0528你得这样用,太爽啦~

昨天下午下班后,DeepSeek R1更新了

然而他们就只是悄悄在微信群里面发布了这个消息。

说是一个小版本试升级

Image

于是我带着强烈的好奇走上了这条一波三折的测评之路。

心情真的是起起伏伏

我一开始测试了好几个Case,有写作的,有代码的,有数学的。

初步觉得效果确实有提升,程度比官方说的高一点,但是离顶尖模型Claude4还是有明显差距。

比如测试生成的城市智慧交通大数据可视化监控平台

左边是新版DeepSeek R1,右边是Claude4

Image

Image

Image

Image

又比如下面这个,全球气候变化数据分析平台

左边是新版DeepSeek R1,右边是Claude4

Image

Image

Image

Image

是不是看起来还是有明显差距捏,而且Claude生成的网页是真的有数据交互的,会变化。新版DeepSeek R1的几乎没有

当时看到其他几位博主发的文章都是在吹DeepSeek的,瞬间感觉他们吹的有点过了?

测着测着,才发现不太对劲,DeepSeek R1是推理模型,我不应该给跟Claude4一样的复杂提示词呀!

比如下面这样

Image

卧槽!才想起来DeepSeek R1是不需要结构化复杂提示词的。

简单一句话就能搞定

于是我立马换一句话提示词重跑了刚才的那些Case

果然,生成效果简直是质的飞跃~

比如下面这个天气数据分析平台,一句话搞定

Image

Image

我呐个豆,这提示词搞复杂了是得多限制R1的发挥呀,改成一句话之后效果提升非常多。

为了防止是偶然现象,我又跑了城市智慧交通大数据可视化监控平台的Case,还是一句话

Image

Image

对比一下之前的生成效果,这档次和审美是不是瞬间都上去了

而且生成一个这种大鱼吃小鱼的游戏,也是手拿把掐

提示词同样是一句话

请为我开发一个简单但有趣的"大鱼吃小鱼"HTML5网页游戏

Image

最近都去用gemini2.5 Pro和Claude4去了,好久没用DeepSeek R1,把R1的这个提示词平权能力忘了。

一句话搞定,真滴太爽了,说多了反而限制它的发挥。

这对大部分普通人来说简直是福音。

虽然是一句话,但也要尽量表达清楚需求哦

实测下来我的结论是代码能力大幅提升,确实不输Claude4了,可能还差那么一丢丢,但是已经非常接近。

大概率是用3月新发布的DeepSeek-V3-0324升级的R1,V3的0324就是代码能力大幅增强,所以这次的新版R1,代码和审美上的增强非常明显。

写作能力感觉有小幅提升,然后数学能力貌似提升不大因为给了之前测过的一些比较难的奥数题,跑了半天还是没有给出正确答案。

不过,说实话,拿一个推理模型跟人家的基座模型Claude4比,其实已经输了...

但是我相信DeepSeek不久之后还会再创辉煌,静静等待R2的到来吧~

最后,以上仅代表个人观点,如有误,欢迎评论区指正。

深夜创作不易,给个免费的三连支持一下吧~ 感谢

眼皮打架了,睡觉,晚安

END

为了更方便大家互相交流和学习,我还创建了一些群聊:AI交流群、AI硬件群、n8n交流群、AI开发者群、微调群。

群里面有AI开发者,创业者,AI爱好者,还有各行各业想用AI赋能、提效的朋友,经常讨论最新的AI资讯,AI工具,AI技术,变现方法等等

Image

能看到这里的都是凤毛麟角的存在!

如果觉得不错,随手点个赞、在看、转发三连吧~

如果想第一时间收到推送,也可以给我个星标

谢谢你耐心看完我的文章~

图片

【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压和功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员和工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更新自身速度与位置,并参考个体历史最优解和群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值