《DeepSeek核心技术揭秘》深入剖析DeepSeek的核心技术，介绍了提示词的原理与高级应用，对DeepSeek的模型架构、训练框架，以及MoE优化、MLA、思维链、GRPO算法、奖励模型等技术细节进行了探讨。此外，本书对DeepSeek给人工智能行业格局带来的影响及DeepSeek的开源贡献进行了分析，对大模型的发展趋势进行了展望。
《DeepSeek核心技术揭秘》适合人工智能研究人员、开发人员及大模型相关技术爱好者阅读，也为关注人工智能领域技术发展的从业人员提供了参考与借鉴。
作者简介:
卢菁，北京科技大学博士，北京大学博士后，B站、视频号优秀科技博主。曾任职于腾讯、爱奇艺等知名互联网公司，主要从事人工智能技术的应用和研发工作，主要研究方向为大模型、多模态、自然语言处理、知识图谱、推荐系统等。著有《速通机器学习》《速通深度学习数学基础》。 戴志仕，资深AI架构师，“寒武纪人工智能”公众号的创立者。2024年CCF国际AIOps挑战赛优秀奖获得者。拥有十余年人工智能算法研究和产业落地经验，成功实施过多个人工智能项目。
目录:
第1章 技惊四座的DeepSeek / 1
1.1 石破天惊的产品发布 / 1
1.2 DeepSeek-V3和DeepSeek-R1可以做什么 / 4
1.3 DeepSeek-V3的技术突破与创新 / 7
1.4 DeepSeek-R系列的技术突破与创新 / 10
1.5 DeepSeek发布的模型家族 / 14
第2章 提示词的原理与应用 / 21
2.1 推理模型与通用模型 / 21
2.2 提示工程 / 29
2.3 提示词*级技巧：提示词链 / 39
第3章 DeepSeek-V3技术剖析 / 43
3.1 DeepSeek的模型架构 / 43
3.2 DeepSeek的训练框架 / 62
3.3 DeepSeek的推理阶段优化 / 77
3.4 DeepSeek的后训练优化 / 80
3.5 小结 / 80
第4章 DeepSeek-R1技术剖析 / 82
4.1 预备知识 / 82
4.2 DeepSeek对训练推理模型的探索 / 88
4.3 DeepSeek-R1-Zero的训练 / 89
4.4 DeepSeek-R1的训练 / 96
4.5 小结 / 101
第5章 DeepSeek的影响与成功启示 / 103
5.1 DeepSeek对AI格局的影响 / 103
5.2 DeepSeek的成功启示 / 106
第6章 DeepSeek开源技术剖析 / 109
6.1 DeepSeek的“开源周” / 109
6.2 FlashMLA：减少显存消耗 / 110
6.3 DeepEP：通信系统的优化 / 115
6.4 DeepGEMM：让矩阵乘法起飞 / 120
6.5 DualPipe与EPLB：集群并行计算优化 / 127
第7章 大模型未来发展展望 / 142
7.1 MoE的未来 / 142
7.2 MLA的未来 / 143
7.3 大模型训练方法的发展趋势 / 144
7.4 推理部署的发展趋势 / 145
7.5 GPU硬件的未来发展 / 145
7.6 从LLaMA 4看推理模型的发展 / 147
点击下载