浙大-2025年DeepSeek：智能时代的全面到来和人机协作的新常态报告.pptx

DeepSeek

智能时代的全面到来和人机协作的新常态

2025年2月;

一、智能演变

二、人机协作

三、产业现状

四、教育成长;;

对比维度;

大模型带来大知识

全体人类知识空间;

三体人如何学习地球知识？;

三体人如何学习地球知识？

电磁波探测器拯救派;

拯救派

人类反馈实现对齐

动态反馈、价值博弈;

电磁波

地球文明信息

原始数据、无目标性

原始数据基建;

三体人如何学习地球知识？

电磁波探测器拯救派;

DeepSeek-R1-Zero的训练过程

结合准确性奖励（数学、编程等任务的可验证结果）和格式奖励（强制输出结构化标签），通过GRPO算法优化模型https://huggingface.co/papers/2501.129482025年1月22日;

探测器+拯救派

强化学习

Reinforcementlearning/GRPO

数学题自动判分/编程题实战演练/阶梯进化;

AconversationbetweenUserandAssistant.

Theuserasksaquestion,andtheAssistantsolvesit.

Theassistantfirstthinksaboutthereasoningprocessinthemindandthenprovidestheuserwiththeanswer.

Thereasoningprocessandanswerareenclosedwithin

think/thinkandanswer/answertags,respectively,i.e.,thinkreasoningprocesshere/thinkanswer

answerhere/answer.

这是用户和助手之间的对话。

用户提出一个问题，助手解决它。

助手首先在脑海中思考推理过程，然后为用户提供答案。

推理过程和答案分别包含在思考/思考和回答/回答标签中。即：

思考推理过程在这里/思考

回答在这里回答/回答;

Ahamoment顿悟时刻

人类长期思考后的灵感闪现

强化学习中的奖励信号引导

DeepSeek-R1-Zero的训练过程

结合准确性奖励（数学、编程等任务的可验证结果）和格式奖励（强制输出结构化标签），通过GRPO强化学习策略后训练V3模型https://huggingface.co/papers/2501.129482025年1月22日;

DeepSeek-R1-Zero的训练过程

结合准确性奖励（数学、编程等任务的可验??结果）和格式奖励（强制输出结构化标签），通过GRPO强化学习策略后训练V3模型https://huggingface.co/papers/2501.129482025年1月22日;

求是小学组织去距离90公里的博

物馆春游，全班同学8:00从学校

坐大巴车出发。班主任老师因为

有事情，8:10自己自驾小车以大

巴车快1/3的速度追赶，结果比大巴车提前20分钟到。问：

（1）大巴和小车的速度各是多少？（2）班主任老师追上大巴的地点距离博物馆还有多远？;

求是小学组织去距离90公里的博

物馆春游，全班同学8:00从学校

坐大巴车出发。班主任老师因为

有事情，8:10自己自驾小车以大

巴车快1/3的速度追赶，结果比大巴车提前20分钟到。问：

（1）大巴和小车的速度各是多少？（2）班主任老师追上大巴的地点距离博物馆还有多远？;

求是小学组织去距离90公里的博

物馆春游，全班同学8:00从学校

坐大巴车出发。班主任老师因为

有事情，8:10自己自驾小车以大

巴车快1/3的速度追赶，结果比大巴车提前20分钟到。问：

（1）大巴和小车的速度各是多少？（2）班主任老师追上大巴的地点距离博物馆还有多远？;

思维链（ChainofThought，CoT）

-通过模拟人类逐步推理过程来提升人工智能模型复杂任务处理能力的技术

-核心是将问题拆解为多个中间步骤，引导模型生成逻辑链条，从而增强推理的准确性和可解释性

基本原理

-分布推理：思维链通过将复杂问题分解为更小的子问题，逐步构建答案

-显示中间过程：与传统直接输出答案的方式不同，CoT要求模型引入推导过程;

DeepSeekR1