Reasoning With Reasoning Takeaways: ➢ STaR 的核心思路是将思考过程建模到语言模型的Next Token Prediction 中，通过 反复自我迭代和监督微调 ➢ 基于STaR 可以进一步将这种思路扩展到思考过程是搜索过程的特例，比如 rStar-Math, SoS 都可以用类似的思路来理解。 ➢ 本质上，STaR一类的方法是希望模型能够学习到MetaCoT, 即问题到答案映射 不同模态下，模态特有与模态共有的信息如何统一在奖励信号建模中？ 46 技术对比讨论：从文本模态到多模态 ➢ 扩展多模态强推理的可能路径: ➢ 基于多模态模型做基座模型扩展到强推理场景， ➢ 另一种是利用LLaVA的思路，在原来的强推理基座模型上进行额外的模块扩展； ➢ 冻结除投影层Projector外所有模型参数，对投影层Projector进行预训练，使得投 影层Projector能够将经过视觉编码器的视觉表征映射到语言表征空间。 过程中，模型可以通过一次 预测多个Token来减少计算量， 从而提高推理速度。 [1] DeepSeek-V3 技术报告 https://arxiv.org/pdf/2412.19437v1 FP8 混合精度的整体训练思路 细粒度量化策略 71 拓展分析： DeepSeek-V3 ➢ 通信优化：DulePipe 算法： 精细化编排计算和通信 ➢ 控制前向和反向过程中 计算和通信的GPU SM 数量，保证计算和通信

人工智能的诞 生 在这次会议上 ， “人工智能”这个词汇被约翰 . 麦卡锡（ John McCarthy ） 首次提出。 与会者们不仅对人工智能的研究和应 用 前景进行了深入探讨 ，还提出了许多重要的观点和思路 ，为人工智能的发展奠定了基础。 这次会议的召开标志着人工智能作 为一个独立学科的正式诞生 ， 因此 ，达特茅斯会议被称为“人工智能的开端” ， 1956 年也被称为“人工智能元年”。这次会 辅助写作、 智能纠错 和摘要生成、多种语言实时互译 文本分析 可快速提炼论文创新点、方法及实验结果 数学推理 能够解答高等数学、 概率统计、 线性代数 等复杂问题 ，提供解题思路与引导式问题 编程助手 支持 10 余种编程语言的代码创作与问题诊 断 2025 年 2 月 19 日 ，郑州大学国家超级计算中心、 计算机与人工智能学院、 信息化办公室携手攻坚 ，成功在超算中心设备上部 在查阅 大量文 献、总结研究结果、检测写作错误等任务中优于人类 ， 72% 的 人希望在未来两年内使用 AI 辅助其撰写论文 DeepSeek 充当科研强力助手：科研思路探索、论文撰写与润色、 信息检索、国家自然科学基金及社会科学基金申请书撰写、助力 顶级期刊发表、提高办公效率、激发创意灵感、写作翻译、图片 生成、科研绘图、代码自动生成、成果发表、课题申报、邮件

，学生模型可以学习到更丰富和更抽象的特征。 蒸馏、微调、 RAG 微调： 又叫精调 ，相当于学生意识到自己某门课有 短 板 ，然后自己找参考书恶补了一下 ，从而补上短 板 蒸馏： 是学生通过模仿老师的解题思路 ，达到和老 师 相似的知识水平。 RAG ： 直译过来叫做“检索增强生成 ” 。 相当于这题我不会， 但是我有“小抄 ” ， 我回 答的时候， 就看一眼小抄， 然后再综合我脑子里的已有知识， 进行回答。

论文润色：上传论文草稿→输入“优化学术表达，确保符合 APA 格式”→10 分钟完 成专业级修改 ⚫ 知识点图谱：输入“用思维导图整理高中生物遗传学核心概念”→生成可打印的学习 框架 ⚫ 解题思路：拍摄数学题照片→R1 模式自动分步解析，错误点用红框标注 ②职场人：效率提升 300%的办公神器 ③创业者：零成本搭建专业团队 ⚫ 商业计划书：输入“智能家居赛道 BP