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 LLM 、 Cherry Studio 、 Chatbox 等选择 API 接入。 • 秘塔 AI 搜索： 接入满血版 DeepSeek - R1 推理模型 ， 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、 ，您可以从返回结果的 usage 中查看。 阿里云部署 Deepseek 以 DeepSeek-R1 满血版为例进行演示 ，通过百炼模型服务进行 DeepSeek 开源模型调用 ，可以 根 据实际需求选择其他参数规模的 DeepSeek 模型。百炼平台的 API 提供标准化接口 ，无需自 行搭建 模型服务基础设施 ，且具备负载均衡和自动扩缩容机制 ，保障 API 调用稳定性。搭配 Chatbox 平台：登录腾讯云 TI 平台 ，提供专属算力、多种尺寸模型、 0 代码模型部署等功能。 • HAI ：登录腾讯云 HAI 控制台 ，新建 DeepSeek - R1 应用 ，创建完成后可通过站内信获取密码 ，选择可 视化 界面（ ChatbotUI ）或命令行（ JupyterLab ）直接调用 DeepSeek - R1 模型。 • 云应用：登录腾讯云找到云应用服务 ，直接购买成品 DeepSeek

在应用方面二者各有擅长的领域 ， 而不是简单的谁强谁弱问题 n 如果你需要完成数据分析、 逻辑推理、 代码生成等逻辑性较强且较为复杂的任务 ，请选择推理大模 型 n 如果你面临创意写作、 文本生成、 意图识别等发散性较强且较为创意多样的任务 ，请选择通用大模 型 3.4 大模型的分 类 大模型是基于 Transformer 架构的 ，这种架构是一种专门用于自然语言处理的“编码 - 解码器”架构。 在进行科学知识讲解时 ， 给出错 误的 理论或数据。 其产生原因主要包括： 模型训练数据存在偏差、 不完整或错误 ， 导致在学习过程中引入了不准 确 的信息； 模型基于概率分布生成内容 ， 在某 些情 况下会选择一些看似合理但实际错误的路 径。 大 模型幻觉会影响信息的准确性和可靠性 ， 在信息 传播、 学术研究等领域可能带来不良影响。 因此， 在使用大模型时 ， 需要对其输出内容进 行仔细验 证和甄别。 ）模型微调；（ 2 ）本地知识 库 模型微调技术要点 （ 1 ）高质量的标注数据： 标注数 据 的质量直接影响微调的效果 ， 需 要确 保数据标注的准确性和一致性。 （ 2 ）合理的微调策略： 选择合适 的 微调算法和超参数 ，避免过拟合 或欠 拟合问题。 4.4 本地部署大模型方 案 在监督微调阶段 ，模型会学习一个 指令 - 响应（ Instruction-Response ） 数据集

Model, 因为ORM和PRM等基于神经网络的都可能遭受reward hacking 而retraining reward model 需要大量的计算资源，可能会复杂化整个流程 ➢ 训练模板：选择最简单的 Thinking Process，直接观察到最直接的RL过程下的表现 基于规则的奖励 (Rule-Based Reward) : 准确率奖励 + 格式奖励 10 DeepSeek-R1 Long2Short 方法 ➢ 模型融合：将长文本 CoT 模型和短文本 CoT 模型的权重进行平均，得到一个新的模型。 ➢ 最短拒绝采样；Short Rejection Sampling：从多个采样结果中选择最短且正确的答案 然后做SFT ➢ DPO（Direct Preference Optimization）：使用长文本 CoT 模型生成的答案作为偏好数据来训练Short CoT 模型。 ➢ Long2short 被轻易攻陷。平衡推理长度与推理正确率之间 的关系。例如，针对一个序列中的下一个动作，若存在一个是错误答案而另一个是正确答案的情况， 传统的方法会倾向于提升选择正确答案的概率，同时降低选择错误答案的概率。然而，从推理长度的 角度来看，有时选择看似错误的答案可能会引导模型进入自我修正的过程，这种自我修正机制以及更 长的推理路径同样对提升模型的整体推理能力至关重要。 34 技术对比讨论：强推理路径 –

优势：无需注册，微信一键登录，适合快速查询天气、新闻等简单任务 ⚫ 限制：高峰期可能响应延迟，建议复杂任务切换至 APP 或网页版 ④电脑版（专业场景必备） 下载安装： 1.访问官网选择 Windows/macOS/Linux 版本 2.解压安装包后按向导完成部署（建议默认路径） 高阶功能： ⚫ API 接入：开发者可调用接口集成至办公系统（需申请密钥） ⚫ 批 Q1：为什么联网搜索时断时续？ 原因：服务器负载过高或网络波动 解决方案：避开晚高峰使用，或切换至深度思考模式本地处理 Q2：如何导出对话记录？ 操作路径：网页版/APP 端点击对话历史→右键选择“导出为 Markdown” Q3：上传文件后 AI 无法识别内容？ 排查步骤： 1.检查文件是否受损（重新保存后上传） 2.确认图片清晰度（建议 300dpi 以上） 3 时代保持竞争优势，需掌握三大核心能力： ①元认知能力 ⚫ 批判性思维：能识别 AI 建议中的逻辑漏洞（如发现商业方案中的“合成数据偏 差”） ⚫ 价值判断：在 AI 提供的 100 种方案中选择最符合伦理的路径 ②智能协作力 ⚫ 混合智能：医生结合 AI 诊断与临床经验，使误诊率降低至 0.8% ⚫ 跨域整合：将 AI 工具与行业经验结合，如老匠人用 DeepSeek

和图形处理功能，以满足视觉和自动化等用例的需求。 英特尔® 酷睿™ Ultra 处理器配备众多计算引擎，采用高能效 BGA 封装，能够为创新设计提供更大的灵活性，是应对边 缘严苛工作负载的理想选择。这些功能强大的边缘处理器可 以加速从 AI 获取结果，为每台设备提供更多媒体流，并提 供长期供货保证 2，以提升长期价值。 单个封装内部署更多 AI 引擎 利用英特尔® 酷睿™ Ultra 在本地、边缘和云服务器上追求新的业务模式和数据共享，即使在处理敏感数据或受监管数据时也是如此。基于可信执行环 境 (TEE) 的机密计算能够帮助在使用过程中保护数据和 AI 模型。采用性能核的英特尔® 至强® 6 处理器允许客户选择最符合 其业务和监管要求的机密计算技术。 应用程序 隔离 英特尔® 软件防护扩展（英特尔® SGX）提供旨在保护使用中数据的应用程序隔离。英特尔® SGX 是目前市场上经过深入研究和多次更新的数据中心级机密计算技术。 工具包，旨在帮助开发者使用英特尔® 优化的一流的编译器、性能库、框架以及分析和调试工具，构建、分析并优化在 CPU 和 XPU 上的高性能、跨架构应用程序。 在英特尔® oneAPI 工具包的加持下，开发者可以自由选择架构以解决他们所面临的问题，无需为了新的架构和平台而重写 软件。针对不同领域的开发者，英特尔® oneAPI 工具包提供了不同的工具包来满足他们不同的需求。 31 02 英特尔 ® 技术方案

• 中国 AI 公司首次以关键创新贡献者的身份加入到全 球 AI 竞争中，冲击美国 AI 霸权 • 打破 NV+OpenAI 的资金、技术、人才的垄断，全球 重新思考中美技术路线的选择 泛化性和经济性大幅提升 LLM 进入“ CV Resnet 时刻” 补齐最后一块自主创新的版图 真正形成中美两条 AI 技术路 线 AI 框架：昇思、飞桨 … 异构计算架构： CANN 减少计算与通信相互等待 计算加速 忽略无效计算， 减少计算量和内存量 4 Multi head Attention 中常见模型的 mask 上 三角区域均接近于 0 自适应选择性重计算、内存碎片优化、 … 模型训练：应用使能软件加持， MFU 领先、线性度持平 NV 模型训练最优 = 单机执行最优 + 集群并行最优 + 中断时间最短 软件层分布式并行

网络服务能够提供协作和生产 效率 基于虚拟桌面的课堂、实 验室和手机接入 弱功能客户机和移动设备为用 户提供便捷式接入系统 虚拟云服务：为分布式校 园和课堂提供集中式支持。 作为一种选择， IBM 可 以承担传递服务 开放资源和电子学习 & 电 子档案袋、课件、内容和 服务 商务智能为学生绩效提供新的 视角 利用开放资源，虚拟旧计 算机桌面应用和服务，降 低成本