weixin_43008312的博客

Agent的核心逻辑是让LLM根据动态变化的环境信息，选择执行具体的行动，并反过来影响环境，通过多轮迭代重复执行上述步骤，直到完成目标。总结就是：感知§ — 规划§ — 行动(A)Agent（智能体）指能感知环境并采取相应行动的智能体。

DeepSeekv3参数量6710以个，但在活跃是每个token的参数仅仅为370亿个，在14.8万亿个token的训练集上训练（100万个token约为75万词），预训练阶段仅需266.8万H800个GPU小时，后续训练阶段也仅需10万GPU小时。【约2个月完成训练，550万美元】传统的Transformer模型（BERT、GPT等）在处理长序列、多模态数据或推理复杂任务时计算效率低，上下文捕捉不足【因为它们在当输入的Prompt非常长时会在中途随机遗忘一些内容】