模型系列（篇五）-DeepSeek

原创 于 2025-09-02 00:15:00 发布 · 984 阅读 · 8 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-NC-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#Deepseek-R1 #Deepseek-V3 #MLA #强化学习 #MoE #专家均衡

DeepSeek学习平台

  • 今年第一场组队学习来了！含DeepSeek部署学习：https://mp.weixin.qq.com/s/nV9B6g62H4AEzkDw2J9iRw

DeepSeek生态

  • GitHub狂揽14.3K星！DeepSeek官方「工具全家桶」来了，开发者效率直接起飞：https://mp.weixin.qq.com/s/ljIiPa3xthuEVnmnNcqXFg

  • 观点 | 从Deepseek-R1 看 2025 模型的未来：https://mp.weixin.qq.com/s/wyuGyjLp1E6MPFg1PU1DkQ

  • 李国杰院士“七问”DeepSeek：https://mp.weixin.qq.com/s/sok-kMXxCyOaYXWrcBiIVw

  • 英伟达下场，首次优化DeepSeek-R1！B200性能狂飙25倍，碾压H100

DeepSeek使用

  • R1 之后，提示词技巧的变与不变：https://mp.weixin.qq.com/s/hXZ_4D2HFtjubPF0JieZDg

  • DeepSeek正确使用指南！可以放弃提示词那套了：https://mp.weixin.qq.com/s/Yql1o5teauqumD0tXuL2_Q

  • Zotero整合DeepSeek自动帮你读文献，教程来了！：https://mp.weixin.qq.com/s/J8pWhBFAzzo_qW59zJOvXw

  • 深度思考大模型API服务deepseek-free-api：https://mp.weixin.qq.com/s/Avd3WmbdSCRQhca4umWEHA

  • 两种免费使用DeepSeek的方式，不需要再去官网排队了，中国开源必胜！：https://mp.weixin.qq.com/s/jzhUJiLIvvTURN2rYmcV8Q（一：KTransformers本地部署，二：问小白平台）

  • 心法利器[129] | deepseek-R1自测效果分析和选择建议：https://mp.weixin.qq.com/s/WfB0EkpkntzqqMCed507Fg

  • DeepSeek新V3上线，和R1搭配食用最佳：https://mp.weixin.qq.com/s/VOzrK5wadgcPRXexGt_64w 推荐

  • DeepSeek接入个人知识库，保姆级教程来了！：https://mp.weixin.qq.com/s/p6iwPz3LCv3QI7d-b2u1rA

DeepSeek总体介绍

  • CCF2025 Talk-夜话DeepSeek：https://mp.weixin.qq.com/s/S2vRNoTwM_yo0eAm3LDfAw 推荐

  • 十个关键词，带你全面看懂DeepSeek！：https://mp.weixin.qq.com/s/B1HcmnKXXInehR17tlSy6w

  • 深入了解Deepseek模型的最佳三篇论文：https://mp.weixin.qq.com/s/A_GBrDSE2wLcTHrvbWj9Ug

  • DeepSeek从入门到精通【104页超详细资料】：https://mp.weixin.qq.com/s/jomk7r39lertmwojPnz4ZA 推荐

  • 一文纵览DeepSeek模型家族：从LLM到R1：https://mp.weixin.qq.com/s/TFsO6B1ITx7tJv_T9fq8Wg 推荐

  • DeepSeek解析，速通DeepSeekV1~V3核心技术点！：https://mp.weixin.qq.com/s/EKaAd9SsirwygGDYHKVfSg

  • DeepSeek R1 最新全面综述，近两个月的深度思考！：https://mp.weixin.qq.com/s/aZky-d9733mhbAAS24n6zg 推荐

  • 腾讯：23张PPT搞懂DeepSeek核心技术！：https://mp.weixin.qq.com/s/o9zzeQpwoUCR0WdRXdMfvg 推荐

  • DeepSeek大模型原创核心技术解读 推荐

  • 大模型24｜DeepSeek相关技术名词含义详解（面向国人的一次倾情科普）：https://mp.weixin.qq.com/s/1qo1NIQ5n2k1F9gOhpUfCg 推荐

  • DeepSeek技术全景解析（五）：DeepSeek-V3如何在保持高精度的同时提升计算效率：https://mp.weixin.qq.com/s/MC7rBTH-fuPvS4F87GTXOA 推荐

DeepSeek量化系列

  • 目前来看，ollama量化过的DeepSeek模型应该就是最具性价比的选择：https://mp.weixin.qq.com/s/FQG67iWkbrnROS7KRxqHdw

  • 一文学习DeepSeek-V3的蒸馏技术：https://mp.weixin.qq.com/s/zYTQiwqoFoICnvr-x4X9uQ

DeepSeek部署

  • 群晖上私有化部署DeepSeek-R1：https://mp.weixin.qq.com/s/voIekAkardR8V-fB-YqQMQ

  • 手把手带你实战部署DeepSeek-R1大模型（手机安卓端、linux端、windows端）：https://mp.weixin.qq.com/s/IJXUGoEXECK9b_EOR4hmrw

  • 【好强！在数学领域 1.5B参数超过GPT-4o!】Deepseek-R1开源啦！本文实战部署推理代码，效果着实惊艳！：https://mp.weixin.qq.com/s/ga7lVNLF5P2k_UoX9mo4pg

  • 本地部署DeepSeek硬件配置清单，满血版太炸裂了：https://mp.weixin.qq.com/s/M7HB7e8d2Qo9J1jdgPefsg

  • 私有化部署DeepSeek等大模型的性能估计：https://mp.weixin.qq.com/s/qKkxipKwLBKxMp36cQo-1A

  • DeepSeek 两种部署方式及官方Prompt模板：https://mp.weixin.qq.com/s/RRTP1RWaN7VH6kec4hatBw

  • 手把手教你驯服DeepSeek-R1！部署+测试+性能优化万字全攻略：https://mp.weixin.qq.com/s/gkFNLeTdh4bafSXOFmQhlA 推荐

  • KTransformer：把 DeepSeek R1 推理机器成本打下来：https://mp.weixin.qq.com/s/R6g1_G6rxTYHeHLt3HgIVg

DeepSeek评测

DeepSeek复现

R1 Zero

  • Deepseek R1 Zero复现全过程记录：https://mp.weixin.qq.com/s/Xg5r3lCycWiMbRuolH9bBQ

  • DeepSeek R1 Zero中文复现教程来了！：https://mp.weixin.qq.com/s/Z7P61IV3n4XYeC0Et_fvwg 推荐

  • 32b R1-Zero复现，聚焦scaling：https://mp.weixin.qq.com/s/vIvszGtRm5do5ISsfI7X7Q 推荐

  • R1-Zero（GRPO）的复现实验记录，踩坑问题（小模型）：https://mp.weixin.qq.com/s/1jpgzqEvvOW_NYm0DawRkw 推荐

R1

  • Qwen架构改造成Deepseek，再复现R1计划：https://mp.weixin.qq.com/s/UKPOT-wKVMAoRYUdkJzAEg

  • 0元！使用魔搭免费算力，基于Qwen基座模型，复现DeepSeek-R1：https://mp.weixin.qq.com/s/EkFRLMwHMdLvyra-ql-1QQ 使用Qwen2.5-0.5B模型实现

  • 聊聊DeepSeek R1的开源复现库——Open R1之合成数据：通过Distilable库来生成合成数据，通过prompt引导输出对应格式的数据。https://mp.weixin.qq.com/s/MnmqkWMQeMz3FMarKcqdCA

  • Light-R1-32B之R1复现认识：兼看R1蒸馏模型所用800K数据细节问题：https://mp.weixin.qq.com/s/Cb-P7ioVzG6Jj_iraOCYAQ 推荐

  • 尝试基于0.5B小模型复现DeepSeek-R1的思维链：https://mp.weixin.qq.com/s/RAhLgO0KehR2gh95fOoIqg 包括复现完整代码 推荐

  • 开源社区 DeepSeek R1 最新复现进展汇总：https://mp.weixin.qq.com/s/WlgKVIeUUL2IT89gMTajdw 推荐

  • HuggingFace 又出新教程啦！手把手教你构建DeepSeek-R1推理模型 推荐

  • R1复现小记：在业务场景的两类NLP任务上有显著效果

  • DeepSeek-R1复现之集大成者：DeepSeek-R1复现之集大成者 推荐，将目前复现的项目整合到了一起

  • 用极小模型复现R1思维链失败后的感悟：https://mp.weixin.qq.com/s/HSTNbZiayIKzYheR1tg10A 值得思考

DeepSeek技术基石

Scaling Law

  • 万字长文解读Scaling Law的一切，洞见LLM的未来：。https://mp.weixin.qq.com/s/ohyTi1IEaRRH0ESGGDQiYw

  • S型智能增长曲线：从Deepseek R1看Scaling Law的未来：https://mp.weixin.qq.com/s/614-4cW5VQHl44otz3NT6g

  • 张俊林：从Grok 3看Scaling Law已死？：https://mp.weixin.qq.com/s/x_WHffjPgss3BMixTv3ZkQ

  • 回顾 LLM 领域的一些热词，哪些你不知道？：https://mp.weixin.qq.com/s/k8qvj6xixBgJaEuAOV78pQ

MoE

  • 理解DeepSeek在MoE技术的演进过程和具体实现：https://mp.weixin.qq.com/s/lDqFomS_pqNPyZ2HLrUH8Q 推荐

  • 广告行业中那些趣事系列99：DeepSeek中非常重要的混合专家模型MoE技术详解：https://mp.weixin.qq.com/s/iSWtvP13Yd66Asox-bwSRw 推荐

  • 详细谈谈DeepSeek MoE相关的技术发展：https://mp.weixin.qq.com/s/L8BAFuT5tevRzX9mu0yR-g 推荐

  • 可视化图解MOE大模型的7个核心问题：专家、路由、负载均衡及其用于视觉模态 推荐

MLA

  • 一文了解Deepseek系列中的MLA技术：https://mp.weixin.qq.com/s/WUyY2F6Cr9EU15FHeKM9eg

知识蒸馏

  • 知识蒸馏技术原理详解：从软标签到模型压缩的实现机制：https://mp.weixin.qq.com/s/lwETI5Fa9t48eOIm5usExQ

  • 一文搞懂DeepSeek - 强化学习和蒸馏：https://mp.weixin.qq.com/s/NpffZFVMPHrRtAFjCXZZ-Q

分布式并行

  • DeepSeek背后的技术基石：MoE、数据并行与模型并行：https://mp.weixin.qq.com/s/7woIbImqJLUfQF4NXlrF6w

  • 详细谈谈DeepSeek MoE相关的技术发展：https://mp.weixin.qq.com/s/L8BAFuT5tevRzX9mu0yR-g 推荐

强化学习

  • 5000字！深入解析 PPO 算法：从原理到公式：https://mp.weixin.qq.com/s/UdbF-uV4mZGywf63U6M6NQ

  • 聊聊DeepSeek训练——基于强化学习训练的底层逻辑：https://mp.weixin.qq.com/s/nb6HjRtYqMY80Mhki_MGyw

  • DeepSeek R1爆火后，该如何理解 LLM 中的 RL 算法？：https://mp.weixin.qq.com/s/Tw0oxvUWUH2Z0VeCfQGBsw

  • 【手撕GRPO】你只管给Reward, 剩下的交给RL(附代码)：https://mp.weixin.qq.com/s/v4OSW1pi6BqRH6p3R9cQzw

  • Deepseek的RL算法GRPO解读：https://mp.weixin.qq.com/s/MIKz0a9HoEWtoR1yjnkjPA 推荐

  • PPO & GRPO 可视化介绍：https://mp.weixin.qq.com/s/HE5wUIzg5c2u2yqEVVB9fw

  • DeepSeek 背后的数学原理：深入探究群体相对策略优化 (GRPO)：https://mp.weixin.qq.com/s/Z-wRuqsQTF_6TeV7ao_9Yw 推荐

  • 通俗理解RLHF和如何实现PPO 算法：https://mp.weixin.qq.com/s/Htk56_jxVDULkklw298e3A 推荐

  • GRPO简化Trick | 只改一个参数, 性能涨10%??：https://mp.weixin.qq.com/s/BxHbU0sD9wWlvTq5JIcZ3w 推荐

  • 一文读懂DPO PPO GRPO三者强化学习适用场景：https://mp.weixin.qq.com/s/xgIwLEtTiLW0iMtGOfOiPg 推荐

  • 从理论到代码剖析DeepSeek-R1：从PPO到Reinforce++，再对比GRPO：https://mp.weixin.qq.com/s/qcwR5D03z4YfRmZJctH8mg 推荐

  • DeepSeek-R1技术剖析：没有强化学习基础也能看懂的PPO & GRPO：https://mp.weixin.qq.com/s/Dx4g1d0LBOq6dBsDuqMWWA 推荐

  • DeepSeek关键RL算法GRPO，手把手教你从头跑通！：https://mp.weixin.qq.com/s/gi8ee4m6borLPlPRBcp7Mg，有具体的代码实现 推荐

DeepSeek开源一周技术

图解KV Cache：解锁LLM推理效率的关键

DeepSeek开源周 Day01：从FlashMLA背后原理回顾KV Cache

DeepSeek开源周 Day02：从DeepEP开源趋势重新审视大模型Infra

DeepSeek开源周 Day03：从DeepGEMM看大模型算力提速的矩阵乘法

DeepSeek开源周 Day04：从DualPipe聊聊大模型分布式训练的并行策略

DeepSeek开源周 Day05：从3FS盘点分布式文件存储系统

大模型上周回顾及Deepseek开源周总结：兼看面向多任务的模型融合思路

DeepSeek五连炸！技术全析：从GPU榨干性能到PB级数据秒处理，一次看完，太硬核！

结尾

亲爱的读者朋友：感谢您在繁忙中驻足阅读本期内容！您的到来是对我们最大的支持❤️

正如古语所言："当局者迷，旁观者清"。您独到的见解与客观评价，恰似一盏明灯💡，能帮助我们照亮内容盲区，让未来的创作更加贴近您的需求。

若此文给您带来启发或收获，不妨通过以下方式为彼此搭建一座桥梁： ✨ 点击右上角【点赞】图标，让好内容被更多人看见 ✨ 滑动屏幕【收藏】本篇，便于随时查阅回味 ✨ 在评论区留下您的真知灼见，让我们共同碰撞思维的火花

我始终秉持匠心精神，以键盘为犁铧深耕知识沃土💻，用每一次敲击传递专业价值，不断优化内容呈现形式，力求为您打造沉浸式的阅读盛宴📚。

有任何疑问或建议？评论区就是我们的连心桥！您的每一条留言我都将认真研读，并在24小时内回复解答📝。

愿我们携手同行，在知识的雨林中茁壮成长🌳，共享思想绽放的甘甜果实。下期相遇时，期待看到您智慧的评论与闪亮的点赞身影✨！

万分感谢🙏🙏您的点赞👍👍、收藏⭐🌟、评论💬🗯️、关注❤️💚～

自我介绍：一线互联网大厂资深算法研发（工作6年+），4年以上招聘面试官经验（一二面面试官，面试候选人400+），深谙岗位专业知识、技能雷达图，已累计辅导15+求职者顺利入职大中型互联网公司。熟练掌握大模型、NLP、搜索、推荐、数据挖掘算法和优化，提供面试辅导、专业知识入门到进阶辅导等定制化需求等服务，助力您顺利完成学习和求职之旅（有需要者可私信联系） 

友友们，自己的知乎账号为“快乐星球”，定期更新技术文章，敬请关注！   

大模型系列——DeepSeek-R1微调指南
2401_84052244的博客
04-03 451
在这篇博文中，我们将逐步指导你在消费级 GPU 上使用 LoRA（低秩自适应）和 Unsloth 对 DeepSeek-R1 进行微调。微调像 DeepSeek-R1 这样的大型 AI 模型可能需要大量资源，但使用正确的工具，可以在消费级硬件上进行有效训练。让我们探索如何使用 LoRA（低秩自适应）和 Unsloth 优化 DeepSeek-R1 微调，从而实现更快、更具成本效益的训练。DeepSeek 的最新 R1 模型正在设定推理性能的新基准，可与专有模型相媲美，同时保持开源。
大模型---Deepseek LLM大语言模型原理
智能汽车人的博客
02-25 1371
随着文字大语言模型LLM的不断发展，图像、视频等大语言模型也逐渐出现（笔者在这篇博客《自动驾驶---End-to-end用于Planning行为规划》中提到过），并开始应用到各种场景当中，而图像和视频的token规模会更大，但底层原理还是相通的。
【AI 大模型】DeepSeek 大模型简介 ( DeepSeek-R1 和 DeepSeek-V3 大模型 | Python 调用 DeepSeek API | 本地部署 DeepSeek )
热门推荐
让 学习 成为一种 习惯 ( 韩曙亮 の 技术博客 )
02-06 2万+
一、DeepSeek 大模型 1、DeepSeek-R1 和 DeepSeek-V3 大模型 DeepSeek-V3 大模型 DeepSeek-R1 大模型 大模型调用 2、DeepSeek 官网访问 DeepSeek-R1 和 DeepSeek-V3 大模型 3、DeepSeek 大模型参数 4、DeepSeek 蒸馏模型本地部署硬件需求 二、DeepSeek 开发者平台 1、开放平台地址 2、申请 API Key 3、Python 调用 DeepSeek API 三、本地部署 DeepSeek 大模型
大模型系列——用Deepseek-R1蒸馏自己的模型
2401_84052244的博客
03-18 4637
为了举例说明，我希望模型能够遍历我的数据集，理解每个意见的情感，并从-5到5对每个意见进行排名，并将其添加到新的列中。总之，上述指南为你提供了一个简单的方法来创建最新精馏Deepseek-R1模型的本地私有实例，并展示了如何创建自定义提示以在自己的数据上以可扩展的方式运行。通过使用pandas的apply()函数，我可以使用上述指定的函数针对数据框中的所有行运行模型，并结合辅助系统提示来帮助指导模型产生正确的输出。确保指定正确的模型。只需在>>>后面直接写入你的提示，就可以开始与你的模型的本地版本互动。
【大模型系列篇】DeepSeek-R1如何通过强化学习有效提升大型语言模型的推理能力？
木亦汐丫
02-20 1214
DeepSeek-R1-Zero：纯强化学习，直接在基础模型上应用强化学习，不使用任何 SFT 数据。探索 LLM 在纯 RL 环境下的自演化过程，使其自主发展推理能力。DeepSeek-R1：冷启动 + 多阶段训练使用少量高质量长链思维(CoT)数据进行冷启动，预热模型。进行面向推理的强化学习，提升模型在推理任务上的性能。使用拒绝采样和监督微调，进一步提升模型的综合能力。再次进行强化学习，使模型在所有场景下都表现良好。 知识蒸馏：将 DeepSeek-R1 的推理能力蒸馏到更小的模型。
Deepseek系列之deepseek-R1
AI蜗牛之家
06-06 882
首次验证了纯强化学习在 LLM 中显著增强推理能力的可行性（DeepSeek-R1-Zero），即无需预先的 SFT 数据，仅通过 RL 即可激励模型学会长链推理和反思等能力。 提出了多阶段训练策略（冷启动->RL->SFT->全场景 RL），有效兼顾准确率与可读性，产出 DeepSeek-R1，性能比肩 OpenAI-o1-1217。 展示了知识蒸馏在提升小模型推理能力方面的潜力，并开源多个大小不一的蒸馏模型（1.5B~70B），为社区提供了可在低资源环境中也能获得高推理能力的模型选择。
【大模型系列篇】初探Unsloth微调DeepSeek-R1蒸馏模型
木亦汐丫
02-27 2635
🔥🔥🔥 本文初探使用Unsloth微调DeepSeek-R1蒸馏模型DeepSeek-R1-Distill-Qwen-7B，使用了COT思维链数据进行Lora微调，微调后模型合并权重导出，并使用llama.cpp进行gguf格式转换和量化，通过ollama创建并加载模型，进行部署。
DeepSeek系列模型概览
不负热爱
02-22 1682
DeepSeek系列各模型重点概览
【DeepSeek-R1背后的技术】系列五：DeepSeek-R1微调指南
https://github.com/Donvink，专注于计算机视觉、目标检测、目标跟踪等方向
02-08 3083
微调像 DeepSeek-R1 这样的大型 AI 模型可能需要大量资源，但如果我们能使用正确的工具，依然可以在消费级硬件上进行有效的训练。下面我们来探索如何使用 LoRA（低秩自适应）和 Unsloth 优化 DeepSeek-R1 微调，从而实现更快、更低成本的训练。 在这篇博文中，我们将在消费级 GPU 上使用 LoRA（低秩自适应）和 Unsloth 对 DeepSeek-R1 进行微调。
深度解析DeepSeek大模型：4.个人使用篇-DeepSeek入门宝典.pdf
03-01
内容概要：本文全面介绍了DeepSeek作为一款AI推理工具对于个人用户的多种使用方法和技巧，探讨了除官方网站以外其他的访问途径，例如通过APP、API开放平台以及本地化部署，并详细解释了三种不同的使用模式的特点和...
DeepSeek培训课件-技术解析篇-DeepSeek入门宝典PDF
04-01
DeepSeek培训课件-技术解析篇-DeepSeek入门宝典PDF的知识点： DeepSeek是由幻方量化于2023年创建的大模型子公司，公司创始人是梁文锋。公司创立的背景和愿景需要结合当前的AI发展趋势和行业需求进行分析。DeepSeek...
开发实战篇-DeepSeek入门宝典-23页.pdf
04-28
DeepSeek是一种人工智能模型，其入门宝典为开发者提供了一系列部署和应用的指导。DeepSeek的核心价值在于为企业端降低运营成本、提升效率；产品端升级用户体验；并为开发者提供辅助开发工具。其优势在于高性能、低...
北京大学-DeepSeek系列-提示词工程和落地场景
02-24
文章介绍了DeepSeek的特点，如模型思考过程的可视化及其在全球范围内的竞争优势（比如开源、低成本、国产化优势等）。重点讲解了几种实用的提示词技巧，例如如何让人与AI的交互更简单，如真诚直接交流、通用公式、...
2025年联邦学习横向联邦优化策略-基础卷（含答案与解析）.docx
09-01
2025年联邦学习横向联邦优化策略-基础卷（含答案与解析）.docx
车辆动力学中非线性魔术轮胎模型的MatlabSimulink与Carsim联合仿真研究
最新发布
09-01
内容概要：本文介绍了一种基于Matlab/Simulink与Carsim联合仿真的模块化建模方法，用于构建加强版非线性魔术轮胎模型（MagicFormula）。模型参数源自专业软件Carsim，确保科学性与可靠性，支持高精度车辆动力学仿真。文中提供了Simulink源码、Matlab代码、建模文档及参考资料，详细阐述了模型结构、参数选取依据及联合仿真实现过程。 适合人群：具备一定车辆动力学基础，熟悉Matlab/Simulink环境，从事汽车系统仿真、轮胎建模或相关领域研究的研发人员与高校研究生。 使用场景及目标：①实现非线性轮胎动力学的高保真建模；②掌握Matlab/Simulink与Carsim联合仿真技术；③支持整车动力学分析与控制算法开发。 阅读建议：建议结合提供的源码与文档进行实践操作，深入理解模块化建模逻辑与参数映射机制，强化对MagicFormula模型非线性特性的认知。
毕设&课设：基于OverFeat的病斑检测系统.zip
09-01
经导师指导并认可通过的大作业设计项目源码，适用人群：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业设计，作为“参考资料”使用。
毕设&课设：智能电力管理系统.zip
09-01
经导师指导并认可通过的大作业设计项目源码，适用人群：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业设计，作为“参考资料”使用。
2025年模型服务延迟优化习题-基础卷（含答案与解析）.docx
09-01
2025年模型服务延迟优化习题-基础卷（含答案与解析）.docx
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值