分类 AI人工智能 下的文章

个人使用 DeepSeek 的过程通常不是对其进行训练。
个人使用 DeepSeek 时，主要是向模型输入问题或指令，然后获取模型生成的回答或结果，这是模型基于已有的训练成果进行推理和生成的过程。不过在某些特定情况下，个人使用 DeepSeek也可以间接或在一定程度上参与到模型的训练优化中，具体如下:
提供反馈:如果 DeepSeek 设置了反馈机制，个人用户对模型输出的结果进行反馈，指出回答是否正确、合理、有用等，开发团队可以收集这些反馈信息，用于改进模型，这相当于间接地参与了模型的训练优化过程。
微调或训练自定义模型:个人用户如果有特定的需求和数据，可在 DeepSeek 开源的基础上，利用其提供的工具和接口，使用自己的数据对模型进行微调，甚至训练一个自定义的模型。这在一定程度上也是对模型进行训练，但与 DeepSeek最初的大规模训练是不同的，是基于个人需求和数据的二次训练。

智能化：能够理解复杂问题，提供精准的答案（质量高）
易用性：深度思考模式，免去复杂提示词的编写；
低成本：训练和推理成本低；
高效率：推理速度快
多种模态：（如图像、文本、音频、视频等）
中文支持好
开源→ 本地化部署，确保数据隐私和安全

技术架构：
MoE：混合专家架构（动态选择专家网络）

应用场景：
对话式AI智能客服：问答、检索、服务引导，多轮对话；
内容创作：文件拟稿、新闻撰稿、活动策划
内容审查：智能审批、智能校对、智能纠错

DeepSeek介绍：
https://cloud.tencent.com/developer/techpedia/2337

  1. 1
  2. 2