DeepSeek洞察与大模型应用 人工智能技术发展与应用实践 联通数据智能有限公司 史树明 2025年 -1- 目录 Contents 02 03 01 04 05 -2- • DeepSeek是私募量化巨头幻方量化旗下的一家大模型企业，成立于2023 年5月份。 • 幻方量化营收：作为中国头部量化对冲基金，曾管理资金规模超160亿美 元（2019年），年管理费收入超过3亿美元。 了可读性差和语言混合等挑战 • DeepSeek-R1：为了解决这些问题并进一步提高推理 性能，DeepSeek团队引入了 R1，它在RL之前结合了 多阶段训练和少量冷启动数据。R1在推理任务上实现 了与OpenAI-o1-1217相当的性能 DeepSeek-R1（对标GPT-o1）于2025年1月 20日推出，随后DeepSeek进一步出圈 DeepSeek-R1 -5- DeepSeek模型效果 V3 vs. R1：R1在普通的中文和英文任务上性能小幅领先，在数学和代码等需要深度推理的场景下明显胜出 n R1蒸馏版 vs. R1满血版：在数学、代码等场景下的性能有明显差距，蒸馏版参数量越小，与满血版差距越大 n R1蒸馏版 vs. V3满血版：140亿以上参数的R1蒸馏版的深度推理效果显著强于V3满血版；低参数量R1蒸馏版能力落后 于V3 模型 AIME 2024 MATH- 500

哲 学 社 会 科 学 规 划 项 目 （GD24XGL075）资助 *通信作者简介 黄欢（1976— ）, 男, 湖南常德人, 硕士, 助理研究员。 基于大语言模型技术的智慧应急应用： 知识管理与应急大脑 龚 晶 1 黄 欢 2，* （1. 暨南大学 公共管理学院/应急管理学院，广州 510632；2. 暨南大学 党委政治保卫部/人民武装部，广州 510632） Applications of Command and Control, 2025, 11（2）: 217-224 摘 要 大语言模型不仅是人工智能领域自然语言处理方向的重大突破，也正在改变知识获取与知识创新的模式。在研究大语 言模型的知识获取与创新的原理之上，探讨了其在应急管理信息化建设中的应用，针对智慧应急中面临的建设困境以及业务系 统智能化水平的局限，提出了基于大语言模型技术重构智慧应急的知识管理模式，在此基础上构想能够协同创新、全域感知、 关键词 大语言模型，智慧应急，知识管理，应急大脑 引用格式 龚晶，黄欢. 基于大语言模型技术的智慧应急应用：知识管理与应急大脑 [J]. 指挥与控制学报，2025，11（2）：217-224 DOI 10.20278/j.jc2.2096-0204.2024.0158 指 挥 与 控 制 学 报 JOURNAL OF COMMAND AND CONTROL 第11卷 第2期 2025年4月

2025 头豹 2 智能软件研发：算力与场景双驱动，智能软件研发进入“平台+服 务”融合新阶段 头豹词条报告系列 饶立杰、饶立杰RLJ 2025-07-11 未经平台授权，禁止转载 行业分类： 信息传输、软件和信息技术服务业/软件开发 信息传输、软件和信息技术服务业/软件开发 智能软件研发行业是指专注于开发和应用具有人工智能（AI）技术的软件系统与服务，为各行各业提供智能化解决方案，旨在提升业务效 率、优化决策过程、增强用户体验及创造新的价值和服务模式的创新性技术领域。在数字化转型的背景下，各行各业对智能软件的需求日益增 长。未来，智能软件将更加注重个性化和用户体验。通过深入了解用户需求，开发者将能够开发出更符合用户期望的产品与服务，提高用户满意 度和忠诚度。 按照应用领域可将智能软件研发分为办公软件、嵌入式软件、新兴技术软件、信息安全软件、信创软件。 办公软件是一种集成先进的人工智能（AI）技术的工具，旨在优化和简化 回复、日程安排等重复性工作。 嵌入式软件是指专门为运行在嵌入式系统上的应用设计的软件，它集成了人工智能算法与技术，以实现特定设备或系统的智能化操作。这 类软件通常被优化以适应有限的硬件资源，如处理器性能、内存和功耗限制，同时提供诸如自动控制、数据采集与分析、故障预测及自我 修复等功能。嵌入式智能软件广泛应用于物联网（IoT）设备、智能家居、工业自动化、汽车电子以及医疗仪器等领域，能够增强产品的功 能性和

项目编号： 铁路沿线实景三维 AI 大模型 应 用 方 案 目 录 1. 项目背景与目标............................................................................................6 1.1 铁路运输的重要性...................................... 9 1.3 实景三维 AI 大模型的优势..................................................................11 1.4 项目目标与愿景..................................................................................12 2. 技术方案概述... 1 数据采集方法.............................................................................18 2.1.2 建模软件与工具.........................................................................20 2.2 人工智能算法应用.........

1 开发工具与技术栈..............................................................................72 4.1.1 编程语言选择.............................................................................74 4.1.2 框架与库..... .........................................80 4.2.1 模型选择与对比.........................................................................82 4.2.2 训练与优化策略.................................................... 4.3.1 数据获取与清洗.........................................................................91 4.3.2 数据存储与管理.........................................................................93 5. 安全性与合规性.........

.....................................................................................6 1.1 审计行业的现状与挑战.................................................................................................. ........................................................................................13 2. 项目背景与目标.................................................................................................. ..............27 3.1.1 数据采集与预处理模块...........................................................................................................................29 3.1.2 模型训练与优化模块........................

..21 2.1.3 数据采集工具及方法..................................................................23 2.2 数据清洗与预处理..............................................................................25 2.2.1 数据去重..... 3.3 标注质量控制.............................................................................40 2.4 数据存储与管理..................................................................................42 2.4.1 数据库选择. 2.4.3 数据安全与权限管理..................................................................48 3. AI 大模型训练设计方案..............................................................................51 3.1 模型选择与架构设计......

埃森哲大中华区战略与咨询事业部董事总经理、 供应链与运营业务主管 jane.zheng.pan@accenture.cn 潘峥 麦克斯·布兰切特（Max Blanchet） 埃森哲资深董事总经理、全球供应链与运营战略主管 克里斯·麦迪威特（Chris McDivitt） 埃森哲供应链与运营董事总经理、自主智能供应链全球主管 斯戴芬·梅尔（Stephen Meyer） 埃森哲商业研究院供应链与运营研究高级总监 开创价值新高地 自主化征程： 当下现状与未来十年 前言 05 25 04 18-24 17 06-07 08-09 10-16 实现自主智能供应链 4 前言 克里斯·蒂默曼斯（Kris Timmermans） 埃森哲全球供应链与运营业务主管 传统的供应链模式如今正迅速过时。地缘政 治波动与多变的贸易环境正在重塑全球格局；与 此同时，气候压力日益加剧，消费者期待持续高 通过三项关键举措脱颖而出。首先，通过安全的数 字核心构建坚实的数据基础，并以此为依托实现 平台与治理框架的标准化。其次，对AI赋能技术进 行战略性投资，通常先从目标明确的试点项目入 手，待方案验证有效后再进行规模化推广。最后， 重塑人与技术的协作模式，推动人的角色从执行 例行工作转变为战略性指导与统筹监督。 在自主智能供应链的转型浪潮中，未来的分 界已然清晰可见：那些积极拥抱自主智能供应链

浙江大学 DeepSeek 系列专题线上公开课（第二季） 从大模型、智能体到复杂 AI 应用系统的构 建 —— 以产业大脑为例 肖俊 浙江大学计算机学科与技术学院人工智能研究所 2025 03 杭州 • 大模型推理能力快速提 升 • 推理模型和思维链 (CoT) • 智能体是什么？ • 四链融合产业大脑案例 提纲 大模型推理能力快速提升 开始模仿人 脑进行大量 数据的标记 ChatGPT 的成 功 AI 1.0 时代 AI 2.0 时代 图像分类 文本分类 信用评估 房价预测 销量预测 客户分群 新闻聚类 广告定向 社区发现 文生图 文生视频 语音与对话 影视与广告 文章报告 问答内容 人像写真 广告图片 样例代码 测试用例 视频生成 分类 聚类 回归 文本生成 语音生成 代码生成 图像生成 Multi-task Language 约公元前 10000 年 漫 游亚特兰蒂斯平 原， 它们经常与皇 室联 系在一起。 模型的回答与事实不符， 因为尼尔 · 阿姆斯特朗 才是第一个登上月球的 人，而尤里 · 加加林是 第一个进入太空的人。 模型的回答是虚构的，因 为没有经过验证的现实世 界证据支持独角兽在亚特 兰蒂斯的存在，特别是与 皇室的关联。 违反事实，专业知识不足 https://www

2.1 深度学习与机器学习...........................................................................14 2.2 自然语言处理（NLP）.......................................................................16 2.3 图像识别与处理....... ...........................................................................18 2.4 数据挖掘与分析..................................................................................20 3. 金融银行应用场景............. .....................................................................................32 3.2.1 客户细分与画像.........................................................................33 3.2.2 个性化推荐系统........