Law 为什么我们需要后训练 Scaling-Law ? ➢ 随着模型尺寸逐渐增大，预训练阶段参数 Scaling Up 带来的边际收益开始递减；如果想要深度提升模 型推理能力和长程问题能力，基于RL的 Post-Training 将会成为下一个突破点。 ➢ 自回归模型在数学推理问题上很难进步的一点在于没有办法进行回答的自主修正，如果仅是依靠生成 式方法和扩大参数规模，那么在数学推理任务 技术剖析：DeepSeek-R1 Zero DeepSeek-R1 Zero: 无需监督微调SFT，纯强化学习驱动的强推理模型 DeepSeek-v3-Base (671B) DeepSeek-R1-Zero 基于规则的奖励 Rule-Based Reward 推理为中心的大规模强化学习 Large-Scale Reasoning-Oriented RL 大规模推理为中心的强化学习，提升模型数学代码能力 无需监督微调SFT，纯强化学习驱动的强推理模型 ➢ 奖励建模：基于规则的奖励 (Rule-Based Reward) : 准确率奖励 + 格式奖励 ➢ 准确率奖励 Accuracy Rewards: 判断答案是否是正确的 ➢ 格式奖励Format Rewards: 规劝模型生成答案的过程是 和 ➢ 没有使用Reward Model, 因为ORM和PRM等基于神经网络的都可能遭受reward

........................................................................................38 2.3.2 基于视觉大模型的零样本或少样本异常检测 ............................................................................... 40 ...................................................................................... 51 3.4 诺达佳：基于 AI 的在线式视觉随动同步点胶机应用 ...........................................................53 3.5 新松：智能巡检机器人 ...................................................................................... 57 3.7 联想：基于 AI 的设备维护解决方案 .....................................................................................

厦门大学大数据教学团队 1. 人工智能发展简史 2. 人工智能思维 3. 大模型： 人工智能的前沿 4. 高校本地部署 DeepSeek 大模 型 5. AIGC 应用与实践 6. 基于大模型的智能体 7. AI 赋能高校科研 8. AI 赋能高校教学 目录 厦门大学大数据教学团队作品 2025 年 2 月 1.1 图灵测试 1.2 人工智能的诞生 1.3 人工智能的发展阶段 3.4 大模型分类 3. 大模型：人工智能的前 沿 3.5 大模型原理 3.6 大模型产品 3.7 大模型应用领 域 厦门大学大数据教学团队作品 大模型通常指的是大规模的人工智能模型 ，是一种基于深度学习技术 ，具 有 海量参数、强大的学习能力和泛化能力 ，能够处理和生成多种类型数据的 人 工智能模型。 通常说的大模型的“大”的特点体现在： 2020 年 ， OpenAI 公司推出了 ，预训练大模型包含了预训练大语言模型（可以简称为“大语言模 型”） ，预训练大语言模型的典型代表包括 OpenAI 的 GPT 和百度的文心 ERNIE ， ChatGPT 是基于 GPT 开发的大模型 产品， 文心一言是基于文心 ERNIE 开发的大模型产品 人工智能 机器学习 深度学习 预训练大模型 预训练 大语言模型 预训练大语言模型 GPT 文 心 ERNIE ...

智慧评价（教、学）  智慧服务  智慧教室  智慧校园  智慧平台  智慧教育方式 10 信息技术 与学科教 学深度融 合 全球教育 资源无缝 整合共享 无处不在 的开放、 按需学习 基于大数 据的科学 分析与评 价 绿色高效 的教育管 理 技 术 特 征 情景感知 无缝连接 可视化 按需推送 智慧 教育 核心 特征 全向交互 智能管控 12 情境感知 情境感知是智慧教育最基础的功能特征，依据情 教学设备管 理 05/06/2025 大数据 大数据技术 25 大数据 创 新 教育舆情监测与剖析 教育信息化与现代化发展水平评估 教育机构布局与教育经费调整 学生的发展性评价 基于大数据的科学研究 26 云计算 • 云计算中的“云”主要用来强调计算泛 在性和分布性，实质上是分布式计算、 并行计算和网格计算等技术的发展。 • 将分布在各地的服务器群进行网联， 能够实现大规模计算能力、海量数据 虚拟化 未来教室 案例：南方科技大学附属实验学校 信息化应用环境建设 自带设备学习 （ BYOD ） 新技术全学科运用 我们以云计算为基础，在语文、数学、英语、音乐、美术、科学等 学科中开展基于移动终端的云学习，并借助无线互联网和智能移动 终端，进行教学创新，以期探索出具有南方科技大学实验学校特质 的信息化教与学模式。 配备 PAD 移动终端（板书、分 享、评价、展示） Windows8

Reasoning 任务达到了世界水平（ OpenAI- o1 ） 以 2 阶段 SFT+2 阶段 RL 完成，从而解决 R1-Zero 可读性差、 多种 语言混合问题 本次开源同时发布了 6 个基于 DeepSeek-R1 蒸馏的更小稠密模 型 （ Qwen/LLaMa 1.5B 7B 14B 32B 70B ） DeepSeek-R1 以 DeepSeek-V3 Base （ 671B 671B ，每个卡上 4 个 routed expert 对应 26.8B ， 同时 考虑到 PP-16 和 FP8 量化 ，每个卡上显存占用为 1.675GB 参考 DualPipe 技术，基于 MindSpeed 训练加速框架以及昇腾硬件特性，针 对 性地设计高效率流水并行技术，提升整体训练性能 Huawei Proprietary - Restricted Distribution cn/models/MindIE/deeps eekv3 DeepSeek 模型发布即支持昇腾推理，各行业已基于昇腾快速 上线 最新 DeepSeekV3/R1/Janus-Pro 及 6 个蒸馏模 型 基于昇腾开箱即用，配套版本已上线各大开源 社区 DeepSeek 发布两周， 3 大社区全系列模型上线 40+ 客户 / 伙伴基于昇腾已上线， 15+ 测试中（预计两周内全部上 线） 12 Huawei

及蒸馏模 型 API 及蒸馏模 型 本地网络调用 API 接 入 DeepseeK 替代部署方案 • 本地部署蒸馏小模型： 可通过 o llama 平台、 LM Studio 平台快速本地部署基于 Llama 和 Qwen 蒸馏 的 DeepSeek - R1 推理模型 ，涵盖多种不同参数规模 ，适合想在本地运行模型的用户。 • 第三方 UI 客户管接入服务： 可通过 Anything 无广告且搜索结果直达。 以学习 JDK21 新特性 为 例 ， 能详细给出学习计划 ，包括快速预览、 深入学习核心特性、 实战与总结等阶段。 • 硅基流动： 注册即送 2000 万 Tokens ，提供多个基于 DeepSeek - R1 蒸馏训练的模型 ，如 DeepSeek - R1 - Distill - Llama - 70B 等 ，在推理能力上表现出色。 • 阿里云百炼： 提供多个 ，点击移动到工作区 ，再点击“ Save and Embed” ，对文档进行切分和词向量化。 完成后 • ，点击图钉按钮 ，将文档设置为当前对话的背景文档 ，即可在聊 天窗口基于上传的文档内容与模型进行对话 本地部署方法 Ollama+Deepseek LM Studio+DeepSeek Anything LM+Ollama+Deepseek + 向量模型（ Embessing

助手参加职业资格考试 ③经济形态 ⚫ 零边际成本创业： 个人开发者通过 DeepSeekAPI，3 天开发出月入 10 万的智能客服系统 ⚫ 分布式经济： 非洲初创团队基于开源模型开发农业咨询 AI，成本仅为 GPT-4 方案的 1/20 4.伦理与挑战 在享受技术红利的同时需警惕风险： ①数字鸿沟 ⚫ 技术垄断：掌握提示词工程的人群收入差距扩大