本周四晚20:00，与Datawhale长琴、Cherry Studio联合创始人Yinsen探讨DeepSeek R1技术解析与应用趋势！

扫描上方二维码即可报名

2025年开年，DeepSeek R1横空出世，真正开启了大模型推理的新时代。它的出现提升了LLM的整体能力，让模型在推理时进行自我思考和验证，让AI更加像人。同时，其开源的举措为业界和学界做出了巨大的技术贡献，“复刻DeepSeek”在全球掀起热潮，各大模型厂商和研究院也纷纷基于其提出的训练模式、技术突破优化各自模型性能。如近期，来自荷兰阿姆斯特丹的研究人员打破之前UC伯克利博士纪录，采用轻量级的RL算法Reinforce-Lite，只用不到10美元就复刻出DeepSeek顿悟时刻；微软亚研院也在一项工作中，受DeepSeek启发，让7B模型涌现出了高级推理技能。

在DeepSeek此前发布的论文中，我们看到R1带来的创新，几乎影响到了LLM的每一个阶段。R1-Zero 通过 Pretrain（DeepSeek-V3-Base）和 RL（GRPO）实现，证明了 Pure Rule 的 RL 有效，且模型具备自我验证、反思及生成长 COT 的能力，但存在可读性差和语言混合问题；R1 通过 Pretrain、Cold-Start（SFT）、RL 提升推理能力、生成数据并对 Base 进行 SFT 监督数据微调、再经 RL 对齐，实现了先提升推理能力生成数据，再提升LLM的整体能力的过程；蒸馏是使用 R1 数据对学生模型进行 SFT，且蒸馏效果优于 RL，经 R1 数据 SFT 的小模型能力提升，效果好于强化学习结合小模型。

更重要的是，R1以不到OpenAI O1模型1/10的推理价格，达到了类似的效果，这一价格优势直接降低了企业及开发者的门槛。据不完全统计，自2025年2月以来，国内已有超过160家组织宣布在业务中接入R1，包括政府机关、事业单位、互联网公司等。此前坚持自研大模型的部分公司，也积极拥抱R1模型。究其原因，根本在于大模型3至6个月迭代一次，用户迁移成本低，本身没有粘性。DeepSeek做到了模型性能领先一代的同时，还拥有极具竞争力的使用成本。

在应用方面，模型能力对于应用的影响是决定性的。R1更擅长的是长逻辑链推理的深度分析、多步骤规划和不确定性管理的动态问题。从场景来看，R1最适合的场景是推理性文本创作，通过自我思考的推理能力，处理复杂问题，进行创新性创作。例如推理小说剧本创作、互动游戏剧情编写、还有目前最受欢迎的学术论文撰写等；此外在一些低延时强事实的场景下也同样适用，简单来说就是对内容质量要求高，任务难度大，但对价格和时间不敏感的场景，例如工程、金融风险建模、医疗数据分析等。

2月27日，本周四晚20:00，热爱创新的嘉程资本携手Datawhale开启嘉程创业流水席第251席！我们邀请了Datawhale长琴、Cherry Studio联合创始人Yinsen一起深度探讨DeepSeek R1技术解析与应用趋势！欢迎各位关注DeepSeek领域上下游的研发人员、创业者、投资人和行业专家一起参加！

再次邀请上车！