技术解析篇-DeepSeek入门宝典.docxVIP

?DeepSeek是什么？

DeepSeek是什么？

DeepSeek是什么？

?DeepSeekR1的三大特点

?使用DeepSeek的五种方式对比

oDeepSeek是什么？o

?DeepSeek是幻方量化于2023年创立的大模型子公司，创始人为梁文锋

?2024年1月5日，其发布第一个同名AI大模型DeepSeekLLM

?2025年1月20日，DeepSeekR1正式发布，为对标OpenAIo1正式版的高性能推理模型；R1上线后火速出圈，其应用创造了全球APP历史上增长最快的记录

图片来源：DeepSeek官网图片来源：AI产品榜

。DeepSeekR1的三大特点。

高性能

高性能

推理表现媲美OpenAIo1正式版

开源

开源

R1开源，并公开训练技术，允许开发者访问和学习

低成本

低成本

R1开发成本仅为OpenAIo1的2%左右

图注：DeepSeek与OpenAI各版本的准确率对比（图片来源：DeepSeek官网）

。使用DeepSeek的五种方式对比。

普通用户

作为生产力工具及技术尝鲜

开发者、企业用户

保障访问稳定性和可扩展性

官网

官网

APP

APP

API

API

本地部署

本地部署

云平台

云平台

/

/

https://deepseekapi.io/

可借助Ollama、vLLM和MNN等工具

硅基流动、腾讯云、阿里云等

?R1的基座模型——V3

DeepSeekR

DeepSeekR1核心技术揭秘

?R1训练的技术路径

?R1的核心技术解析

?R1的关键技术贡献

oR1的基座模型：V3o

V3模型的特征

V3模型的特征

?V3是去年12月发布的自研MoE模型

?参数与GPT-4大致在同一数量级：V3有671B参数，每个Token的计算激活约37B

?在14.8Ttoken上进行了预训练

R1在DeepSeekV3基础上进行了开发

R1在DeepSeekV3基础上进行了开发

?V3：对标GPT-4o，通过指令微调和偏好微调提升性能

?R1：专注于推理能力

图注：DeepSeekV3与发布时其他主流大模型的准确率对比（图片来源：DeepSeek官网）

oR1的三种变体。

模型蒸馏

多阶段渐进训练

多阶段渐进训练

直接强化学习训练R1

直接强化学习训练

R1

变体2R1-Zero

变体2

R1-Zero

变体

变体1

DeepSeekV3

基座模型

DeepSeek-R1-

DeepSeek-R1-Distill

变体3

oR1训练的技术路径。

原图作者：SebastianRaschka

oR1的核心技术解析：强化学习。

R1采用了多种奖励的强化学习，相当于模型的“综合评分系统”，模型在完成任务时根据多个标准获

得不同的奖励信号。

图片来源：《基于场景动力学和强化学习的自动驾驶边缘测试场景生成方法》

oR1的核心技术解析：冷启动数据。

R1策略性地将少量高质量数据作为冷启动。这相当于训练开始前的“入门教程”，帮助模型更快地学会如何进行清晰、有逻辑的推理。

R1-Zero生成的长思维链(CoT)数据

挑选示例

--------------------

R1的冷启动数据

R1的冷启动数据

oR1的核心技术解析：监督微调。

R1训练包括两个监督微调(SFT)阶段。模型通过学习标注数据来调整模型，以在特定任务上表现得更精准。

图片来源：《PORT:PreferenceOptimizationonReasoningTraces》

oR1的核心技术解析：蒸馏。

R1-Distill采用蒸馏技术。大模型（老师）把自己的知识和推理能力教给小模型（学生），通过高质量的数据和训练方法，让小模型学会大模型的推理技巧。

图片来源：/knowledge-distillation