资料来源：Wind、国信证券经济研究所整理 相关研究报告 《主题投资月度观察(2025 年第 4 期)-科技前沿加速迭代，政策 红利密集释放》 ——2025-04-29 《资金跟踪与市场结构周观察(第六十三期)-股市资金面“紧平 衡”》 ——2025-04-29 《中观高频景气图谱（2025.4）——可选消费景气提振》 —— 2025-04-29 《估值周观察(4 月第 4 期)-全球权益市场回暖，估值温和扩张》 ——2025-04-27 ——2025-04-27 《资金跟踪与市场结构周观察(第六十二期)-交投分化延续》 — —2025-04-22 本报告针对 DeepSeek 在大盘择时、行业轮动、识别财务瑕疵等应用中涉及 到的项目细节、技术原理以及方法对比与优化进行了详细的回答：本文系统 梳理了 AI 技术在策略优化、风险识别与决策闭环中的关键作用，通过动态 学习机制与智能决策框架的构建，AI 能将历史规律挖掘与实时信号解析相结 行业或板块的公司历 史财报数据，构建该行业或板块的正常样本情感分数基准，对比问题公司（如已 被监管处罚的企业）的情感分数是否显著偏离行业分布。其次，采用模型迁移方 法，将原模型直接应用于未训练数据，观察其情感分数与财务健康指标（如审计 意见类型、现金流异常波动）的关联性。若结果显示情感因子能有效区分风险样 本，或与已知造假特征呈现负相关，则支持其跨行业适用性。此外，引入人工专 家对未训练文本进行情

低漏检率，提升工作效率 机器 + 人工 人工阅片 ╳ 工作强度高，长期疲劳工作：平均 100- 150 例 / 天，病情复杂时超过 200 张 / 例， 平均阅片每例 <5min ╳ 观察粗略，细小病灶易漏诊：受限于时 间，普遍观察厚层图像，细节信息丢失， 造成小结节等漏诊 肺癌 智能 筛查 为例 02 面向智慧医疗—智能医疗服务机器人 导诊 分诊 专家导览、特色科室、医院 导览、分诊挂号、药品查询、

3. 算法优化：对算法模型本身进行了优化，包括位置编码优化、 中文语义优化、激活层非线性兼容、前向网络自适应、SFT 微调层、指 导学习新知识，以及融合了 ReAct 的“推理-行为-观察-再推理-行为- 观察”模式优化思维推理结果。 4. 训练优化：训练优化时间相较于原来的数据有所减少，提高训 练效率。 5. 上下文学习窗口优化：算子层面融合，上下文学习窗口基于 Flash

任务执行 观察结果 记忆存储 Use r Agen t Skill s 项目背景 l 需要完成一个模拟一个真实的客户经理，帮助用户进行 对公开户的复杂Agent l 需要同时处理信息收集、格式核验、字段问答、OCR、 辅助填写、API上报、信息确认等多种要求，用户可随时 打断，发散，并回归 业务流程 执行调用 解决方案 l 使用Master Agent框架，对问题进行观察、反思和行动，并自带记忆，可

外连。 重点观察状态是 ESTABLISHED 的可疑 IP 寸光网络安全工作室 第 6 页 共 34 页 netstat -ano 查看目前的网络连接 重点看状态是 ESTABLISHED 的端口：netstat -ano | findstr 'estab' 再通过 tasklist 命令进行进程定位 tasklist | findstr “PID” 2.2 查看进程 可以重点观察以下内容：

的破局方案：数据+算 法的双重赋能 化工新材料研发面临“多尺度复杂性”与“实验验证滞后”两大痛点： 多尺度复杂性：材料的特性往往源于跨多个尺度的相互作用——从电子在量子层面 的行为到我们在宏观层面观察到的性质（例如强度、电导率）。准确建模这些相互作 用在计算上十分困难。材料在宏观层面所表现出的特性（如在应力下的弯曲程度）是 其微观结构（原子排列、键合方式），甚至更细致的亚微观特征（电子分布）共同作 紧密相关。 当前工业应用中，大多采用现象学建模。该建模方式主要基于对现象的直接观察与描 请务必阅读报告末页的重要声明 7 / 29 行业研究|行业深度研究 述构建模型，并不深入探究现象背后的微观机制或基本原理，重点在于捕捉、解释可 观测的现象、行为及关系，通过归纳、抽象等方法，将所观察到的现象特征和规律以 数学、逻辑等语言表达出来。 采用机器学习（ML）建模，有

法把这些多梯度聚合在一起，最后效果就是 Server 只看到了 n 个梯度聚合在一起 的结果。但是，不知道某个具体的 client 梯度是多少的，从而导致了 Server 要攻 击某个 client 的概率非常的低，但是我们观察到 secure aggregation 只适用于 DataFunTalk 成就百万数据科学家！ 44 client 数目比较多的情况。我们可以假设只有两个 client，那么这个 aggregate 疫情归根到底其实是对客户、风险模型、策略的一场考验。 2. 疫情对模型的影响和挑战 疫情并不会改变用户的特征 X，但在疫情下同样 X 对应的 Y，即风险水平则会显 著上升。在实际业务场景中，我们观察到诸如多头类变量最为明显。有一些思考 和探索供参考： DataFunTalk 成就百万数据科学家！ 83  宏观环境的影响是否有特征变量可以表达？疫情必然对用户的收入会造成 一定影响，那 于 支付欺诈场景的高对抗性，我们建议将近期样本放入模型中进行训练，这 样可以压缩跨期测试集的空间，甚至使模型没有跨期测试集。针对这种情 况，我们采用的方案是，先将模型部署上线但不使其生效，短期观察一段 时间后，根据生产环境的真实表现确定阈值，参考的依据主要有阈值以上 的交易占比及相应的准确率。 与传统建模流程相比，自动化迭代模型框架在追求快捷高效的同时有两个 问题。 DataFunTalk

AI算法，可以根据用户的历史行为和偏 好来推荐相关内容，从而提高用户留存 和忠诚度。 Page 9 Page 9 服务 应用 技术 首个AI原生应用 ► 未来真正的AI原生应用还没有出现，需 要技术观察 AI Agent ► AI Agent展现了AI应用的底层框架，正 在定义AI应用的新时代流水线 GPT–4 还是技术 ► 第4代人工智能模型虽集成了更多功能，但 仍偏技术端 1 2 这里提到了一个使用优势法的方法论，其逻辑是找到自己的优势能力与大规律之间的叠加部分， 作为发力的重点。应用到保险行业，需要先确定保险公司的优势。 作为保险公司，其优势能力分析可以从八个维度进行观察。这些维度包括市场定位、产品服务、 财务表现、运营效率、技术应用、人才管理、合规与风险管理和战略执行。这些是划分保险公司 优势能力的重要方向。 在评估和考察公司在技术应用方面的优势，常使用到的方法论是这个成熟度评估框架，以技术应

终也会回归到长期平均水平。这种规律在金融市场中普遍存在，是资产配置的重要依据 中周期框架强调在中期维度（ 3-5 年）进行资产配置。与短期波动不同，中期维度的资产价格比价关系更稳定，均值回归规律也更为明 显。通过压缩观察窗口，投资者可以更好地捕捉资产价格的阶段性偏离，并据此调整配置策略 图 12: 中周期配置思路 请务必阅读正文之后的免责声明及其项下所有内容 资料来源： Wind ，国信证券经济研究所整 理 年第一季度股债强弱进一步上升，进入复苏周期 （指数 <0 ，方向上升）③静态学习：还挖掘了周期与权重的关系（见表 2 ）④ DeepSeek 基于“打分指示的股债强弱”与国证价值、国证成长的 关系，研判 2025 表 2 ：静态学习观察结果 资配框架 权重分布与周期的关系 美林周期 权重在“复苏”“过热”阶段较高，经济向好时影响显著； 在“震荡”“滞涨”阶段较低，影响减弱。 货币信用周期 权重在“宽货币”阶段较高，反映货币宽松和信用变化

指虚拟环境中的物体依据现实世界物理运动定律动作的程 度。 4 2 ．虚拟现实的关键技术 虚拟现实是多种技术的综合，包括实时三维计算机图形技术，广角（宽视 野）立体显示技术，对观察者头、眼和手的跟踪技术，以及触觉 / 力觉反馈、 立体声、网络传输、语音输入输出技术等。 （ 1 ）实时三维计算机图形 相比较而言，利用计算机模型产生图形图像并不是太难的事情。如果有足够准