Latent Attention ， MLA ）进行优化；在后训练阶段采用冷启动 + 大规模强化学习 方 式，不再使用传统 SFT 做大规模监督微调， 甚至绕过了一些 CUDA ，采用 PTX 汇编来提升能力；在推理场景下通过 大规模 跨节点专家并行（ Expert Parallelism ， EP ）来优化通信开销，尽可能实现负载均衡。 图表： DeepSeek R1 架构图

后，有权根据《中华人民共和国侵权责任法》等法律法规删除相关内容，并依法保留相关数据。 内容使用：未经发布方及头豹事先书面许可，任何人不得以任何方式直接或间接地复制、再造、传播、出版、引用、改编、汇编上述内容，或用于任何商业目的。任何第三方如需 转载、引用或基于任何商业目的使用本页面上的任何内容（包括但不限于数据、文字、图表、图像等），可根据页面相关的指引进行授权操作；或联系头豹取得相应授权，联系邮