天津大学：《2025深度解读DeepSeek：原理与效应》｜44页｜附PPT下载方法
导 读
INTRODUCTION
今天分享是由天津大学自然语言处理实验室团队带来的：《2025深度解读DeepSeek：原理与效应》，关于DeepSeek大语言模型技术原理与效应的报告文章，主要介绍了DeepSeek模型的发展历程、技术创新、效应以及未来展望。详细介绍了DeepSeek大语言模型的技术原理与创新，并通过分析其效应，展示了DeepSeek在推动AI技术进步和产业变革中的重要作用。
天津大学：《2025深度解读DeepSeek：原理与效应》
网盘下载：https://pan.quark.cn/s/4e6d7b5688b0
后续会陆续分享DeepSeek讲座视频，关注我们不迷路哦！
以下是部分内容预览：
1.生成式AI与大语言模型发展：
生成式AI使用生成式模型生成各类数据，包括语言、语音、图片和视频等。
核心技术包括注意力机制（Attention）、Transformer架构、扩展法则（Scaling Laws）和与人类价值对齐的数据生成（RLHF）。
生成式求解问题（o1/R1）涉及生成复杂问题的答案，进行推理。
2.DeepSeek模型架构与技术创新：
DeepSeek V2：采用稀疏MoE模型，包括DeepSeekMoE和MLA技术。模型总参数量为236B，激活参数量为21B，上下文窗口为128K。
DeepSeek V3：引入基础设施和多令牌预测（MTP），实现一次预测多个topken。模型总参数量为671B，激活参数量为37B，训练数据量为14.8T tokens。
3.DeepSeek效应：
算力价格战：DeepSeek的出现打破了传统技术护城河，引发了算力价格战。
开源与闭源：DeepSeek R1的开源发布是开源大模型历史上的里程碑，打破了美国AI企业的技术封闭。
认知误区：DeepSeek颠覆了美国对中国AI水平的认知，证明大模型研发成本可以大幅降低。
4.未来展望：
未来AGI/ASI的实现可能需要3-5个重大突破。
DeepSeek R2预计将很快发布，主要聚焦于数学、代码、逻辑推理等领域。
强调AI推理能力与安全性的结合，提出创新解决方案的需求。
篇幅有限以上只是部分内容概览
来源：天津大学