▫ ️当我把「暴躁导师」人设喂给AI： 【输入咒语】"现在扮演纳米材料领域毒舌教授，用红色标注我论文中3个最智障的结论" （第二天收到批注："这段实验设计，狗看了都得汪两声"😅） ▫ ️当SCI润色开启贵族模式： 【输入咒语】"把'我们发现效果很好 ...

近日，基于昇腾AI硬件与昇思MindSporeAI框架版本的DeepSeek-V3完成开发支持并上线昇思开源社区，面向开发者提供开箱即用的预训练和推理能力，并已成功在大规模集群上预训练和部署。

自 DeepSeek-R1 发布以来，群组相对策略优化（GRPO）因其有效性和易于训练而成为大型语言模型强化学习的热门话题。R1 论文展示了如何使用 GRPO 从遵循 LLM（DeepSeek-v3）的基本指令转变为推理模型（DeepSeek-R1）。