上海
DeepSeek又放了個煙霧彈
在R2正式發布前，DeepSeek通過技術論文和模型更新釋放了關于模型性能提升的關鍵信號，這些舉措可被視為其技術實力的“煙霧彈”式展示。
DeepSeek與清華大學聯合發布的論文提出了自原則批判微調（SPCT）方法，通過提升通用獎勵建模在推理階段的可擴展性，顯著提高了DeepSeek-GRM模型的質量和推理能力。該研究通過實證表明，SPCT在多種獎勵建模基準測試中優于現有方法和開源模型，且模型將被開源。這種技術突破不僅展示了DeepSeek在推理能力上的野心，也為其后續模型（如R2）的性能提升奠定了基礎。
在R2發布前，DeepSeek還通過V3模型的迭代（如V3-0324版本）展示了其在代碼生成、中文寫作和搜索能力等方面的強化。例如，V3-0324在代碼生成任務中表現出色，能夠生成高質量的代碼，且在前端開發場景下表現接近頂級模型。這些能力提升雖然被定義為“小版本更新”，但實際效果顯著，進一步證明了DeepSeek在技術優化上的實力。
DeepSeek的這些動作并非簡單的版本更新，而是通過技術細節的披露和模型能力的展示，向外界傳遞了其在模型性能和效率上的野心。例如，DeepSeek V3通過“多頭隱注意力機制”（MLA）優化了模型的“記憶系統”，大幅降低了顯存占用；通過“混合專家模型”（MoE）架構提升了運算效率；通過FP8混合精度訓練降低了計算量和內存占用。這些技術細節的披露，既展示了DeepSeek的技術實力，也為R2的發布埋下了伏筆。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
