<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Deepseek on Peng Tan's AI Blog</title><link>https://c44db530.hobbytp-github-io.pages.dev/zh/tags/deepseek/</link><description>一个关注 AI 各领域的专题博客</description><atom:link href="https://c44db530.hobbytp-github-io.pages.dev/zh/tags/deepseek/index.xml" rel="self" type="application/rss+xml"/><item><title>mHC: Redefining Deep Learning Scalability - DeekSeek</title><link>https://c44db530.hobbytp-github-io.pages.dev/zh/deepseek/deepseek_mhc/</link><pubDate>Thu, 01 Jan 2026 23:20:00 +0800</pubDate><guid>https://c44db530.hobbytp-github-io.pages.dev/zh/deepseek/deepseek_mhc/</guid><description>2026年伊始，DeepSeek团队带来了mHC（流形约束超连接）,这项技术完美解决了传统残差连接提升性能的超连接技术因破坏稳定性而难以实用的阿喀琉斯之踵.</description></item><item><title>DeepSeekMath-V2 技术白皮书：迈向自验证数学推理</title><link>https://c44db530.hobbytp-github-io.pages.dev/zh/deepseek/deepseekmath_v2/</link><pubDate>Sat, 29 Nov 2025 12:10:00 +0800</pubDate><guid>https://c44db530.hobbytp-github-io.pages.dev/zh/deepseek/deepseekmath_v2/</guid><description>本文介绍了DeepSeekMath-V2，旨在克服传统上依赖最终答案的数学推理奖励机制的局限性。其核心创新在于通过训练一个专门的证明验证器来评估推导的逻辑严谨性，从而实现自我可验证的数学推理能力。该系统引入了元验证过程，以确保验证器识别的错误是准确的，并利用此验证器作为奖励模型来训练生成器进行自我评估和迭代优化。这种生成与验证的协同作用创建了一个循环，通过扩展计算规模来自动标注难以验证的新证明，从而提高了系统的能力。</description></item><item><title>DeepSeek-OCR：重塑AI长文本处理</title><link>https://c44db530.hobbytp-github-io.pages.dev/zh/deepseek/deepseek_ocr/</link><pubDate>Tue, 21 Oct 2025 20:10:00 +0800</pubDate><guid>https://c44db530.hobbytp-github-io.pages.dev/zh/deepseek/deepseek_ocr/</guid><description>本文介绍了DeepSeek-OCR，一种革命性的AI模型，能够将长文本处理效率提升数十倍，从而实现对超长文档的快速处理。</description></item><item><title>编程能力对比分析一撇</title><link>https://c44db530.hobbytp-github-io.pages.dev/zh/validation/code_level/</link><pubDate>Sun, 20 Apr 2025 20:10:00 +0800</pubDate><guid>https://c44db530.hobbytp-github-io.pages.dev/zh/validation/code_level/</guid><description>关于编程能力对比分析一撇</description></item><item><title>DeepSeek FlashMLA 代码解读</title><link>https://c44db530.hobbytp-github-io.pages.dev/zh/deepseek/deepseek_flashmla/</link><pubDate>Mon, 24 Feb 2025 16:10:00 +0800</pubDate><guid>https://c44db530.hobbytp-github-io.pages.dev/zh/deepseek/deepseek_flashmla/</guid><description>本文介绍了深度求索（DeepSeek）公司FlashMLA代码详细解读。</description></item><item><title>DeepSeek 开源 LLM 对闭源 LLM 的影响</title><link>https://c44db530.hobbytp-github-io.pages.dev/zh/deepseek/deepseek_impact/</link><pubDate>Tue, 18 Feb 2025 23:20:00 +0800</pubDate><guid>https://c44db530.hobbytp-github-io.pages.dev/zh/deepseek/deepseek_impact/</guid><description>本文介绍了DeepSeek开源LLM对闭源LLM的影响，包括性能基准测试和竞争、成本效益、开源可用性和定制、市场动态和战略转变、创新与社区发展、环境影响以及AI研究和应用的转变。</description></item><item><title>DeepSeek 微调</title><link>https://c44db530.hobbytp-github-io.pages.dev/zh/deepseek/deepseek-finetuning/</link><pubDate>Fri, 14 Feb 2025 18:10:00 +0800</pubDate><guid>https://c44db530.hobbytp-github-io.pages.dev/zh/deepseek/deepseek-finetuning/</guid><description>本文介绍了如何使用合成推理数据集微调DeepSeek-R1模型.</description></item></channel></rss>