机器学习标签_DeepSeek技术社区

机器学习

Windows 上手 Claude Code - 从原生安装到首个全栈项目完整实战Windows 10/11 原生安装 • 官方认证 • 零依赖全栈任务 • 测试验证 • 常见故障排查

如果你最近搜索“Windows 安装 Claude Code”，很容易看到三种彼此冲突的教程：有的说必须先装 Node.js，再用 npm 全局安装；有的说 Windows 只能通过 WSL；还有的要求以管理员身份打开 PowerShell。问题是，这些说法里有相当一部分已经被 Claude Code 的新版本淘汰了。截至 2026 年 8 月 26 日，Anthropic 官方文档已经把 Nat

xiaoxingkongyuxi
2026-08-27 08:15:00

 782

 18

#windows #人工智能 #开发语言 +4
同样一段 AI 文，写 60 字和写 1000 字，检测器判得一样准吗？我本机测了 4 档长度

同样一段 AI 文，写 60 字和写 1000 字，检测器判得一样准吗？我本机测了 4 档长度 > 系列第 8 篇 · 长短文本差异 > ✅ 【实测说明】：本篇本机真跑——用纯 NumPy 引擎加载本地 Qwen2.5-0.5B，生成 4 档长度（~60 / ~160 / ~320 / ~640 字）的 AI 文各 3 段，配同长度的人写文，跑「困惑度(PP

hoaxxcj
2026-08-26 10:04:45

 580

 18

#人工智能 #深度学习 #机器学习
大模型实战指南（7）——推理优化：让 70B 模型跑在你的笔记本上

这是《大模型实战指南》系列第七篇。前六篇讲完了模型内部的 Token、上下文窗口、温度采样、Embedding、Harness，以及微调。这一篇解决“模型训好了，怎么让它跑得又快又省”的问题。很多人以为推理优化是“大厂才需要关心的事”。不是的。2026 年 8 月，DeepSeek V4 系列正式商用，采用峰谷分时定价——V4-Flash 空闲时段输出 4.5 元/百万 Token，高峰时段翻倍到

 weixin_43977163
2026-08-25 23:17:56

 614

 24

#人工智能 #深度学习 #机器学习
大模型实战指南（6）——微调入门：让模型说你的“行话”

这是《大模型实战指南》系列第六篇。前五篇拆的是大模型的“内部零件”——Token、上下文窗口、温度采样、Embedding、Harness。微调到底干了什么，为什么能干，以及你自己能不能干。先澄清一个最常见的误解：很多人以为微调就是“重新训练一个模型”。不是的。你用的是别人预训练好的模型（比如 Qwen、LLaMA），它已经花了数千张 GPU、数月时间、万亿级 token 学会了语言的底层规律。微

 weixin_43977163
2026-08-24 23:34:23

 896

 31

#人工智能 #深度学习 #机器学习
DeepSeek 上线多模态 + Meta 开源 Muse Glimmer：「看图 Agent」的门槛被两条路同时拉低

8 月 21-22 日，两条看似无关的发布同时发生：DeepSeek 首次在 API 中开放图像输入（V4-Flash-Vision-Exp），Meta 开源了 30B 参数的本地 Agent 模型 Muse Glimmer（4-bit 量化约 18-20GB，消费级显卡可跑）。前者走「平价云 API」，后者走「本地自持」，两条路同时把「让 AI 看图并干活」的门槛拉了下来。开发者选型时，本质是在

 liuhui99999
2026-08-22 18:40:54

 316

 6

#人工智能 #机器学习
分布式GPU智能算法深度研究2026年版（下）

本文系统分析了当前主流超大规模AI训练系统的架构设计与工程实践。通过对比PaLM、Llama 3.1 405B、DeepSeek-V3等六大代表性案例，揭示了算法-工程-数据的协同优化策略。关键技术包括：五维并行计算、FP8训练、MoE架构、专用通信库等，其中DeepSeek-V3在2048 H800 GPU上仅用2.788M GPU小时完成671B参数训练，成本仅为同类模型的1/30。研究还对比

 Allen_LV
2026-08-19 09:02:33

 2209

 52

#分布式 #人工智能 #算法 +2
让 AI 点名引用你：九大策略的实测拆解

一篇带具体数字、注明出处、引用了权威原话的文章，对 AI 来说是“自带质检证书的零件”——拿来就能用，不用自己再去考证。学术结论要落地，得接上国内的生成式引擎生态——豆包、Kimi、DeepSeek、元宝，以及各平台的 AI 搜索。相关研究发现，信息增益是引用概率最强的预测因子，可解释模型间引用行为差异的大部分方差（GEO 论文及后续研究）。注意：引用的对象本身要公开可访问——引一篇付费墙后的报告

 2601_96791096
2026-08-18 18:04:07

 567

 18

#人工智能 #机器学习
聊天宝客服快捷回复助手深度评测：原生 DeepSeek + RAG 架构技术解析与落地实测

从技术架构（RAG+原生DeepSeek）、产品落地效能、客户实际场景三个角度深度评测聊天宝客服快捷回复助手，解析其如何把大模型做成客服开箱即用的效率工具。

聊天宝快捷回复
2026-08-18 15:29:32

 316

 9

#人工智能 #机器学习 #深度学习
Deepseek Agent Harness教程(三) | DeepSeek Harness 注册方法

本文探讨了 DeepSeek Harness 插件系统如何通过依赖注入和服务定位机制解决传统 import 方式的耦合问题。核心观点包括： import 将功能需求与实现绑定在代码层，导致变更时需要修改多处文件； DeepSeek Harness 采用 YAML 配置实现运行时绑定，通过上下文(Context)和服务(Service)机制解耦；服务提供方通过继承 Service 基类注册服务，消

 pk3725069
2026-08-18 15:10:34

 361

 12

#人工智能 #机器学习 #自然语言处理 +3
从DeepSeek、Kimi到“黄仁勋联盟”：AI模型开源，到底“开”了什么？

这些流程结束之后，模型厂商们通常还会写一个“技术报告”

中國龍在廣州
2026-08-18 11:15:00

 380

 10

#人工智能 #开源 #github +4
DeepSeek本地化部署完全指南：从云端到本地，一场关于数据主权的技术长征

摘要 DeepSeek大模型的本地化部署正成为企业关注的核心议题。本文从金融科技公司面临的数据合规问题切入，系统分析了大模型部署的两种主流模式：云端服务与本地部署，并对比了二者在数据安全、硬件投入、网络依赖等维度的差异。DeepSeek因其卓越的中文理解、代码生成能力及免费政策优势，其本地化需求尤为突出。文中详细探讨了本地化部署的四大场景（数据安全、网络限制、成本控制、定制开发），并梳理了Deep

weixin_56622231
2026-08-17 22:39:26

 438

 6

#服务器 #前端 #数据库 +4
DeepSeek 首次涨价 350%，国产大模型转向峰谷定价：开发者成本策略要变

DeepSeek V4 今日（8-17）起实行峰谷定价，高峰时段输出价格上调 350%，缓存命中输入涨 11 倍，空闲时段半价。本文拆解这次涨价背后的三个信号——供给侧从价格战转向峰谷错峰、DeepSeek 开源 Harness 向框架层上移、国产模型一周三更的集体变阵——并给开发者四条可落地的成本应对策略。

liuhui99999
2026-08-17 20:15:11

 654

 13

#人工智能 #机器学习
anywhere-labs/deepseek-harness-desktop 测试体系：从 Vitest 到 Headless Loader Smoke

作为维护过 Electron 应用、插件宿主与多包工作区的工程师，我认为测试最容易出现的假象是“数量很多，但没有覆盖真实失败边界”。纯函数单测可以证明参数判断，却不能证明 Cordis Loader 真能发现打包后的插件；TypeScript 通过可以保证声明收敛，却不能证明中存在 pnpm、DSH CLI 与 native 文件；开发模式页面能打开，也不能证明 headless 构建机不会因为一

 忆~遂愿
2026-08-17 11:43:01

 1.2w

 9

#人工智能 #深度学习 #神经网络 +2
GPT-5也会话到嘴边想不起来，谷歌测了450万次：钥匙丢了

跑分的是13个模型，覆盖Gemini 3、GPT-5、GPT-4.1和Gemma 3四个家族，每个模型开关thinking各跑一遍，每道题采样八次，攒出约450万条回答。出题全交给了模型：Gemini-2.5-Pro生成，Google搜索逐题验证，答案不唯一或题目有歧义的，连带整条事实一起丢弃。Gemini-3-Pro存下了94.5%的冷门事实，热门事实是99.5%，只差5个点。谷歌提出的「知识画

 中國龍在廣州
2026-08-17 11:15:00

 1037

 10

#人工智能 #机器学习 #github +3
为 DeepSeek V4 Flash 加上视觉：40M 参数连接器实战

冻结284B DeepSeek和417M MoonViT，仅训练40M PatchMerger连接器，用10万样本、5张H200、2000美元、20小时获得基础视觉能力，验证了"冻结大模型+训练小连接器"的VLM范式。

johnsong
2026-08-17 00:07:32

 459

 12

#人工智能 #语言模型 #网络安全 +2
你用 Claude 写的字，正在自带隐形章

水印这件事，方向几乎不可逆：欧盟 8 月 2 日已经生效，约 190 家签署方落笔，Anthropic 是目前把原理讲得最透的一家。往后，"这段字是不是 AI 写的"会从一个玄学问题，变成一个技术问题。可以不看这篇文章，但最好记住这个变化：AI 写的字，正在获得"被认出来"的能力——往后署自己的名之前，你得想清楚哪些字真是你的。值得转给那个总让 AI 代写还理直气壮的朋友——不是吓他，是检测工具已

 学习-学习
2026-08-17 08:15:00

 645

 6

#人工智能 #机器学习
Deepseek Agent Harness教程(二) | DeepSeek Harness 设计思路

DeepSeek Harness 设计解析：解决Agent工程两大核心问题摘要：本文剖析了DeepSeek Harness如何通过20万行代码解决Agent工程的两个核心问题。当业务逻辑与基础设施紧密耦合时，会出现两大痛点：1) 切换模型厂商需要大量适配工作；2) 新增功能需修改核心循环代码。DeepSeek Harness的解决方案基于三大设计原则：1) 插件化架构 - 所有组件均为可替换插

 pk3725069
2026-08-16 20:33:27

 365

 10

#算法 #transformer #深度学习 +3
近期AI热点008｜Claude 文本水印与AI内容溯源

Anthropic 发布了 Claude 文本水印方案。本文用程序员常见操作解释它的实际影响：直接复制粘贴 AI 代码会不会保留信号，批量修改变量名、自动格式化、删除注释、局部采用代码和二次重构分别可能产生什么变化；同时说明文本水印、C2PA 文件凭证以及概率检测的适用边界。

xiaominglao
2026-08-16 14:23:27

 443

 7

#人工智能 #机器学习 #深度学习 +1
DeepSeek 涨价了，你换了吗？——普通开发者眼中的一场价格风暴

DeepSeek大幅涨价引发开发者热议，涨幅达4-5倍令个人用户难以接受。文章从开发者视角分析：1. 涨价幅度远超模型能力提升，性价比优势丧失；2. 个人开发者受影响最大，项目成本从"咖啡钱"变成"饭钱"；3. 横向对比显示OpenAI、Google等竞品价格更具吸引力；4. 建议采取混合策略：订阅制平替/开源模型自部署/多模型路由方案。作者认为这是商业失误

 weixin_56622231
2026-08-16 01:18:08

 297

 6

#人工智能 #大数据 #机器学习 +1
关于60个最基本数学概念和原理（DeepSeek版）

提出者与贡献者：安德雷·柯尔莫哥洛夫（Andrey Kolmogorov，1903–1987）于1933年在《概率论基础》中给出了概率的公理化定义。背景介绍：在柯尔莫哥洛夫之前，概率论长期缺乏严格的数学基础。拉普拉斯（Pierre-Simon Laplace，1749–1827）的古典定义（有利结果数除以总结果数）只适用于有限等可能情形。柯尔莫哥洛夫将概率定义为测度空间上的规范化测度，使概率论成为

 junecauzhang
2026-08-15 11:46:02

 387

 11

#算法 #机器学习 #人工智能
哲学与工程的汇合：全息框架 × DeepSeek Harness 的时空可组合性

本文指出一个值得注意的汇合现象：概率分形意识融合理论（一个自哲学出发的跨尺度统一存在论），与 DeepSeek Harness（一个自计算机科学出发的 Agent 框架，及其论文《A Programming Paradigm for Spatiotemporal Composability》），在**同一个结构**上独立撞车。二者互不知情，却得出高度同构的结论。本文逐条对照二者的对应关系，验证四个

 2501_92697833
2026-08-15 09:12:52

 240

 8

#人工智能 #经验分享 #机器学习
从零到一 | CV转多模态大模型 | week22 | 实战项目-DocuMind-VL：基于 OCR 与 Qwen-VL 的文档多模态问答系统（二）

摘要该项目实现了一个文档问答系统的alpha版本，采用"传统OCR+VLM"混合方案处理PDF文档。核心流程包括：PDF拆分成页面图片→OCR提取结构化文本→基于关键词检索相关页面→结合OCR文本和页面图片调用Qwen3-VL模型进行问答。系统将中间结果（PDF、页面图片、OCR JSON等）按请求ID保存，便于调试和追踪问题来源。关键技术点包括：PyMuPDF渲染PDF（默认180DPI）、P

一个王同学
2026-08-14 18:00:43

 393

 8

#计算机视觉 #深度学习 #机器学习 +1
17.知识蒸馏

输出蒸馏也叫硬样本蒸馏、API 蒸馏，DeepSeek‑R1‑Distill、很多开源小推理模型都是这套流程准备一批 prompt（业务数据 / 公开数据集）；调用教师 API，生成完整回答（包含 CoT 思考过程）；清洗、过滤、去重，做成 prompt→response SFT 数据集；拿这份数据集对学生底座做 SFT 微调。输出蒸馏代码# ====================== 硬样本蒸

 &wssheng&
2026-08-14 14:10:36

 350

 7

#人工智能 #深度学习 #机器学习
从零到一带你速通DeepSeek Harness

你用的Claude Code、Codex、Workbuddy这些，本质都是Harness，要跟模型比如Claude Fable 5、GPT 5.6-Sol这些搭配起来用才行，要不然就是个纯空壳。在昨天正式发布DeepSeek V4 Pro正式版之后。预告了很久的，DeepSeek家自己的Agent产品终于也发出来了。名字叫，DeepSeek Harness。理念也很清晰，一切皆插件。可能是有史以来

 模型启动机
2026-08-14 13:49:45

 256

 3

#大数据 #运维 #人工智能 +3
DeepSeek 旗舰正式版凌晨上线：Agent 能力暴涨近 5 倍，还开始分早晚高峰收钱了

DeepSeek 这次的信号很清楚：旗舰正式版 Agent 能力跳了一级，价格还是地板级，但开始用峰谷定价告诉你——AI 已经不是尝鲜的东西了，它在变成基础设施。当 AI 模型开始分早晚高峰收钱的时候，最该紧张的未必是 AI 公司的竞争对手，而是那些"工作内容刚好能被拆成明确步骤"的人。

学习-学习
2026-08-14 08:15:00

 609

 10

#人工智能 #机器学习 #自然语言处理
训练 loss 掉到 0.007，我以为成了——其实模型在背答案

《训练损失降至0.007的陷阱：当模型开始背答案》本文通过作者微调Qwen3-8B模型的实际案例，揭示了训练过程中容易被忽视的过拟合现象。当使用160条数据训练5个epoch后，模型训练损失降至惊人的0.007，表面看是巨大成功，实则可能意味着模型只是在机械背诵训练数据，而非真正学会灵活表达。关键发现：训练损失并非越低越好，极低损失可能预示过拟合小规模数据(100-200条)更容易出现背诵

 z996262114
2026-08-13 18:38:23

 621

 26

#深度学习 #机器学习 #人工智能
道本×DeepSeek正在做的事——让合同管理系统从沉默走向对话。

同一供应商连续三年的价格变化趋势、同一业务单元不同合同的条款差异、同一类合同中最常见的风险点分布——这些问题依赖的不是单份合同，而是合同之间的横向连接。合同是一个PDF，是一个Word，是一个不可拆解的整体。新合同进来，系统调取同类合同的历史审查轨迹，告诉处理人“上次类似条款是这样改的，因为……它想告诉你交货期可能有风险，付款条款和去年相比有变动，某个供应商的价格三年涨了四次——但你的系统只记录，

Daorigin_com
2026-08-13 17:57:46

 291

 12

#机器学习 #人工智能 #计算机视觉 +4
720美元套出A社死藏的Opus原始思维链，还是Haiku泄露的，GPT/Gemini也中招

但问题是，模型还得支持多轮对话啊。到了下一轮，模型需要记得自己上一轮想过什么。厂商又不想把每位用户的完整推理都保存在服务器上，于是采用了一种省事的办法：把加密推理块交给客户端保管，用户发起下一轮请求时，再把它原样传回API，服务端解密后交给模型继续处理。打个比方，模型每轮思考完，会把“草稿纸”锁进保险箱交给用户保管；下一轮对话时，用户再把保险箱递回来，模型就能接着往下想。用户全程拎着保险箱，却不知

 模型启动机
2026-08-13 16:56:42

 285

 7

#缓存 #学习 #机器学习 +3
本地部署开源大模型的完整教程：LangChain + Streamlit+ Llama

在过去的几个月里，大型语言模型(llm)获得了极大的关注，这些模型创造了令人兴奋的前景，特别是对于从事聊天机器人、个人助理和内容创作的开发人员。

Python老猿
2026-02-07 11:40:54

 348

 9

#人工智能 #机器学习