wgc2k的博客

我一开始看到这新闻觉得可笑，一直到用了deepseek，第一次看到ds把逻辑性远超过我，并以以千倍速度的文本打印出来的时候，我汗毛孔里产生到了字面意义上的“细思极恐”的感觉（病句，只是为了表达感受罢了，不知道怎么改了，对付着记下来吧）。现代模型的能力维度也远超文本交互：SD，MJ 生成的艺术作品模糊了创作主体的边界，Claude 3 能进行复杂的数学证明，当 AI 不仅能模仿人类行为，而且能比普通人做的更快更好，更能创造人类难以企及的成果时，行为主义框架依然适用（部分适用）（造出了什么吓人的玩应儿啊）。

提示工程随人工智能发展而演进，从早期依赖结构化编程和严格指令，到自然语言处理带来更灵活交互，如今已成为弥合人机理解差距的关键技能，其发展推动了各行业创新。人工智能本身对人类语言的理解不可能达到完全准确的，并且人提出的问题本身就有可能比较含糊。所以提示工程是设计、完善和优化输入指令，引导 AI 模型生成特定有用输出的实践。它不仅是提问，更是与具备推理能力的 AI 引擎（如DeepSeek-R1）有效沟通，涉及了解 AI 能力以及弥合人类意图与机器理解的差距。

在人工智能领域，大型语言模型（LLM）的推理能力一直是研究的热点和难点。DeepSeek 团队推出的 DeepSeek-R1 模型，通过创新的强化学习和知识蒸馏技术，在提升模型推理能力方面取得了显著突破，为行业提供了新的思路和实践范例。

在 AI 技术飞速发展，开源闭源百花齐放。虽然闭源模型一直处于领先的位置，但是开源模型社区一直是推动技术普及与创新的关键力量。2025 年初期，DeepSeek 团队发布的 DeepSeek-V3 以卓越的性能和创新的技术，站立在普通用户的面前。而对于我这样的普通人的角度来看，通用人工智能（AGI）的大门前所未有的清晰。

DeepSeek-VL系列是深度求索开源的多模态大模型，有1.3B和7B两种规模，共4个版本。它们结合了视觉和语言处理能力，能处理高分辨率图像中的小物体，并且在预训练和微调阶段使用了多个数据集。训练分为三个阶段：视觉-语言适配器训练、联合预训练和监督微调。DeepSeek-VL2也是开源模型。VL2是后续版本，支持动态分辨率到1152x1152，采用MoE架构，增加了训练数据，具备梗图理解和科研图表解析能力，特别是Plot2Code功能可以生成Python代码。

在人工智能技术蓬勃发展的当下，大语言模型在各个领域的应用不断拓展，其中数学推理领域一直是备受关注的焦点。近期，DeepSeekMath 的出现，在该领域引发了广泛的讨论与研究热潮。

在当今数字化时代，大语言模型（LLMs）正以前所未有的速度推动着各个领域的发展，尤其是在编码领域，其带来的变革令人瞩目。DeepSeek-Coder是其中一款非常不错的的编码专用大语言模型。

在自然语言处理（NLP）领域，大规模语言模型不断演进，其中混合专家（MoE）模型成为研究的热点方向。今天，让我们深入探讨 DeepSeekMoE 这一创新架构及其相关模型的卓越表现与重要意义。

deepseek是基于 Transformer 的大语言模型，近期是学习和讨论的热点，把模型简介整理出脑图便于学习。