开源生成式人工智能的法律监管范式转型——以DeepSeek为研究视角 (1).pdfVIP

●新兴权利法律问题研究

开源生成式人工智能的法律监管范式转型开源生成式人工智能的法律监管范式转型

——以DeepSeek为研究视角——以DeepSeek为研究视角

陈禹衡陈禹衡

摘要：DeepSeek引领了生成式人工智能领域的技术变革，并具有混合专家模型的架构创新、知识蒸馏

模式的技术升级以及开源模式下机器学习的资源富集这三大创新优势，但这三大创新优势同时也引发了法律监

管风险。在DeepSeek的混合专家模型中，应该基于比例原则来优化门控网络的分配路径，消除过拟合现象，

完善专家模型与门控网络的衔接路径并优化算法监管。在DeepSeek的知识蒸馏模式中，教师模型需要保持算

法稳定性，基于可解释原则开展算法备案，同时根据学生模型的算法特征来避免数据泄露并合理处理数据。

DeepSeek在开源后具有市场竞争优势，平台应该积极履行看门人义务来强化监管，在敏捷治理框架下治理

DeepSeek生成的虚假信息，根据开源情况动态调整数据保护范围，对不同阶段的训练用数据、处理中数据以

及新生成数据提供类型化保护，并基于控制理论来优化DeepSeek的机器学习模型，实现系统化监管。

关键词：DeepSeek；知识蒸馏；算法；人工智能；看门人义务；混合专家模型

中图分类号：DF399文献标识码：A文章编号：1674-9502202504-0112-22

（）

作者：陈禹衡，法学博士，清华大学法学院助理研究员。

当前DeepSeek的横空出世激发了生成式人工智能领域的整体转型升级，以DeepSeek为代表的

开源生成式人工智能搅动了AI领域的“一池春水”，DeepSeek短时间内从“单纯强化学习的先驱模

型R1-Zero”升级到“混合学习的演变模型R1”，继而升级到“引入革命性创新技术的模型V3”，

体现出强大的迭代升级能力。DeepSeek区别于OpenAI的闭源模式而采用开源模式，其减少训练数

据与算力的使用，而是借助算法优化与架构创新来提升生成式人工智能的处理质效，证明AI无需大

量昂贵的数据标注也能涌现出推理能力。a相较于以往的生成式人工智能技术，开源生成式人工智能

（OpenSourceGenerativeAI）指基于开源模式开发和发布的生成式人工智能技术模型，其通过代码开源、

可扩展性以及数字协作来提升处理质效并降低运行成本，其中的典型代表就是DeepSeek模型。事实上，

开源生成式人工智能在训练资源、时间和成本上具有显著优势，在训练资源上通过优化算法和架构

设计来降低对高性能算力的需求，在训练时间上通过知识蒸馏技术来缩短时间，在训练成本上不仅

本文系2021年度国家社会科学基金重大项目“数字经济的刑事安全风险防范体系建构研究”的阶段性研究成果，项目编号：21ZD209。

a参见刘扬、任重：《专家解读：中国新AI大模型为何火爆全网》，《环球时报》2025年1月27日。

·112·

开源生成式人工智能的法律监管范式转型

减少数据量来降低内存，还通过精选数据实现高效训练a，最终全方位提升DeepSeek的整体性能。

基于开源生成式人工智能的视角，当前DeepSeek具有三大创新优势：混合专家模型（Mixtureof

bc

Experts）的架构创新、知识蒸馏模式（KnowledgeDistillation）的技术升级以及开源模式下机器学习

d

（MachineLearning）的资源富集。但与此同时，DeepSeek也必须面对技术提升与成本下降所带来的

风险。传统生成式人工智能依靠“机器学习＋人工标注”的技术组合来提升智能化程度和准确性水

平e，而DeepSeek在借助三大优势提升质效的同时也必须面对相应的法律监管风险，降低DeepSeek

推广适用的负面影响。鉴于此，为了响应《中共中央关于进一步全面深化改革推进中国式现代化