AI安全这点事的博客

DeepSeek接入游戏NPC

人生没有标准答案。我们或许会在某个阶段专注于一个领域，但这并不意味着我们不能改变方向。

DeepSeek 是一个国产的开源大模型，具备强大的自然语言处理能力，能够进行文本理解、信息抽取、问答等任务。作为一款基于深度学习的 AI 模型，DeepSeek 采用了先进的 Transformer 架构，能够处理各类复杂的文本信息，为开发者提供高效的智能化解决方案。在实际应用中，我们常常需要对海量数据进行分类和分级，例如医疗记录的关键信息提取、新闻事件的自动摘要、企业文档的智能归档等。

本实战内容基于Llama模型对情感新闻数据高效指令微调，预测结果表明微调之后的结果明显提高了分类性能。

自然语言处理（Natural Language Processing，NLP）是一门结合了计算机科学、人工智能和语言学的学科，旨在让计算机能够理解、生成和处理人类语言。NLP 的核心目标是使机器具备与人类交流的能力，无论是书面语言还是口头语言。近年来，随着深度学习和大数据的发展，NLP 技术取得了显著的突破，被广泛应用于机器翻译、文本摘要、情感分析、自动问答、语音识别等多个领域。NLP 主要涉及多个关键任务，如分词、词性标注、句法分析、命名实体识别和语义理解等。

随着大模型技术的迅猛发展，AI 在各个领域的应用日益广泛，然而，与此同时，提示词攻击（Prompt Injection Attack） 也逐渐成为突破 AI 安全防线的一种有效方式。尤其是 DeepSeek 这样的强大大模型工具，使得提示词攻击变得更加隐蔽且高效。

本文通过在kaggle gpu上微调实战，轻松微调了网络安全领域问答数据。从结果来看，微调后的模型回答问题更精准，原始模型回答太宽泛。👉关注公众号【AI安全这点事】分享更多网络安全前沿技术和论文。

Flappy Bird 作为一款经典的小游戏，以其魔性的玩法和高难度著称。今天，我们尝试利用辅助分析Smali 代码，并使用进行破解，探索游戏的逻辑。通过DeepSeek和，我们快速分析了Smali 代码，并成功破解了。这个方法不仅适用于游戏修改，也能帮助我们更深入理解Android 逆向工程！🎯。

大模型正以惊人的速度推动人工智能技术进步，其带来的创新与变革令人瞩目。然而，正如论文所强调的，只有在确保安全与可靠的前提下，才能真正让大模型造福社会。当前，攻防技术的不断博弈、跨领域防御体系的逐步构建以及国际间的密切合作，正为我们铺就一条安全可控的 AI 发展之路。未来，随着技术的不断进步和防御措施的逐步完善，我们有理由相信，能够构筑出一道坚固的“安全护城河”，既防范外部攻击，又保护用户隐私，让大模型在万众瞩目的同时，始终保持安全可靠。

今天给大家分享WPS和office如何通过OfficeAI插件接入DeepSeek大模型

最近，AI 大模型的应用越来越广泛，DeepSeek 作为一款高性能的开源大模型，吸引了很多人的关注。但是，许多人仍然选择直接使用网页版，而不是本地部署。那么问题来了：为什么要本地部署？RAG 技术的核心是检索，想要让 AI 具备知识库的能力，首先得把知识库转换成它能理解的格式，而这就需要Embedding（向量嵌入）技术。Embedding 的作用1.将文本转化为 AI 可理解的高维向量。例如，“苹果”和“梨”在向量空间中会更接近，而“苹果”和“计算机”则相距较远。2.提高相似度匹配的能力。

在图11中，我们首先从Word选项对话框中选中“自定义功能区”，然后从列位置选择命令中选择“宏”，这个时候可以看到有一个”Normal.DeepSeek.DeepSeekR1“宏命令，选中它，在自定义功能区的“开发工具”选项卡下，鼠标右键单击选择“添加新组”。在弹出的“信任中心设置”对话框中，先选择“宏设置”选项，然后单击“启用所有宏”，最后勾选“信任对VBA工程对象模型的访问”，如图7所示。在弹出的“Word选项”对话框中，首先选中“自定义功能区”，然后在“自定义功能区”勾选上开发工具，如图5所示。

近年来，AIGC（人工智能生成内容）领域迎来了爆炸式发展。无论是文字、图片、音频还是视频，大模型的能力正在迅速提升。尤其是 2024 年 9 月 OpenAI 推出的 O 系列推理模型，更是引领了行业进入文理分科时代。那么，在 2025 年，国内外有哪些值得关注的大模型？它们的应用领域如何？本文将为你全面解析。

有许多语言建模训练技术（随意和掩蔽），但在本文中我们将重点介绍因果语言建模 （CLM）。在 CLM 中，模型将经过训练，以根据前面的标记预测序列中的下一个标记或单词。这通常用于训练 GPT 等文本生成模型。然后，在训练期间，预测的 “next token” 将与 true token 进行比较。因此，在 CLM 期间，当输入标记向左移动 1 个位置时，将采用真实标签。图3。

DeepSeek-R1 系列模型从轻量级到超大规模，覆盖了从日常应用到前沿科研的全方位需求。选择合适的版本不仅依赖于模型本身的性能，更需结合实际应用场景、硬件资源以及预算规划。希望本文的详细解析能为你在 AI 模型选型和部署过程中提供有力参考，助你在智能时代抢占先机！阅读推荐：更多部署教程和详细案例请关注 服务器百科 及各大云服务平台的官方指南。你对 DeepSeek-R1 的哪个版本最感兴趣？是否有在部署中遇到的问题？欢迎在评论区留言讨论，分享你的宝贵经验！