DS为龙年画上了一个完美的句号!

技术
DS为龙年画上了一个完美的句号!

,

,

,

Deepseek R1发布之后用下来有以下体会,简单说一下ds r1目前的主要使用感受:\x0a① 输出前强制思考,在推理能力链路上会增加很多透明性。每一步输出的时候遇到关键节点会自行加上反思过程,保证输出质量。其实在这些模型的系统提示词里面已经把很多过去的Prompt技巧都加上且应用上了。\x0a② 第一款加了搜索引擎的推理模型,联网搜索+深度思考的组合技对于结果的准确性会有很多保证,尽量减少了事实性错误的发生。(ps.还是需要注意一点就是虽然它的事实性尽量会减少,但是针对一些信息源,如果源头信息不能保证权威和正确,它在以此为基准的推理路径也有可能会漂移。)\x0a③ Prompt层其实将模糊需求转化为可执行的逻辑框架始终是第一要义。实现人类思维与机器推理对齐。\x0a\x0a在Prompt层面的影响,对于r1模型,我们保证自己在准确描述自己的需求上,可以根据R1模型的思维链看着它思考的方式进行实时性的调整即可,具体的效果而言,因人因场景而异了。\x0a\x0a怎么写?Prompt就是上下文(背景信息)+ 目标(我想要的)+需求(你r1要做的)表述清楚就行。另外它还有一个缺点就是,思维太发散了,容易“狂飙”,拽各种听不懂的词汇,显得有点“装x”…这时候需要让它往回收收,比如“通俗易懂朴实直白,不要过度发挥”等等,可以结合deepseek本身的v3模型和r1搭配使用。\x0a(ps. R1有时候太像书法里的草书了,大笔一挥开始狂野输出。)\x0a\x0a在数理等需要复杂性推理的场景用r1的效果比较显著,在科幻小说方面跟它协作起来比较有意思。\x0a\x0a总结出来几个点就是:\x0a1.动态交互与自我纠错能力增强。\x0a2.约束条件下的推理能力增强。\x0a3.长文本生成的质量会得到一些提高。\x0a4.教育领域的一些解题系统/实验设计方面或者是商业领域竞品报告分析/风险预测模型等等模型能力更为匹配。\x0a5.模型自我评估置信度能力其实还应该更好一些。\x0a\x0a在Prompt层其实将模糊需求转化为可执行的逻辑框架始终是第一要义。实现人类思维与机器推理对齐。(多轮互动的形式可能会更好)

0
0
0
0
关于作者
关于作者

文章

0

获赞

0

收藏

0

相关资源
字节跳动 EB 级湖仓一体分析服务 LAS 的实践与展望
火山引擎湖仓一体分析服务 LAS 是面向湖仓一体架构的 Serverless 数据处理分析服务,提供一站式的海量数据存储计算和交互分析能力,完全兼容 Spark、Presto、Flink 生态,在字节跳动内部有着广泛的应用。本次演讲将介绍 LAS 在字节跳动内部的发展历程和大规模应用实践,同时介绍 LAS 在火山引擎上的发展规划。
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论