一、大模型RAG：检索增强生成的工程化实践 1.1 RAG技术原理与核心价值 RAG（Retrieval-Augmented Generation）通过结合检索系统与生成模型，解决了传统大模型在长尾知识、实时数据和领域适应性上的短板。其核心流……
基于DeepSeek大模型安全评估与审计体系构建 摘要 随着生成式AI技术的快速发展，DeepSeek等大模型在垂直领域的应用日益广泛，但其安全风险（如数据泄露、算法偏见、恶意攻击）也日益凸显。本文提出一套基于DeepSeek……
一、本地部署DeepSeek大模型的技术背景与价值 1.1 本地化部署的核心优势 本地部署大模型的核心价值在于数据主权与性能可控性。相较于云服务，本地化部署可避免敏感数据外流风险，尤其适用于金融、医疗等强监管行业……
一、背景与战略意义：区域算力枢纽的崛起 黄山“大位”智算中心作为安徽省重点打造的AI基础设施，其命名源于明代数学家程大位，寓意“以算力为基，以智慧为魂”。中心选址黄山，既依托长三角区位优势，又借力当地绿色……
DeepSeek模型轻量化之路：压缩与量化技术全解析 一、大模型轻量化的技术背景与行业需求 在AI大模型从实验室走向产业应用的过程中，模型体积与计算资源消耗成为制约其落地的核心矛盾。以DeepSeek系列模型为例，其原……
引言：大模型架构竞争进入深水区 随着AI技术的快速发展，大模型架构的竞争已从”参数规模竞赛”转向”架构效率比拼”。Llama、Qwen、DeepSeek等六大主流模型（另含Falcon、Mistral、InternLM）通过不同的技术路径实现……
DeepSeek模型压缩与量化原理介绍：让大模型走向轻量化落地 一、大模型轻量化落地的现实需求 在AI技术快速发展的今天，大模型（如GPT-3、BERT等）凭借强大的语言理解和生成能力，已成为自然语言处理领域的核心。然……
一、大模型迁移的痛点与MLA的破局之道 当前大模型落地面临三大核心挑战：硬件适配成本高、跨平台迁移周期长、模型优化效率低。以某金融企业为例，其基于GPT-3架构开发的智能客服系统，在迁移至国产GPU集群时，需重……
一、技术集成前的关键准备 1.1 明确应用场景与模型选择 在集成AI大模型前，需优先确定WPS的具体应用场景。例如，文档校对场景需选择NLP能力强的模型（如DeepSeek的文本纠错模块），而PPT生成场景则需依赖多模态模……
一、DeepSeek冲击的本质：技术民主化与成本重构 DeepSeek的崛起并非偶然。其通过开源模型+极低推理成本（如DeepSeek-V2每百万token仅1元人民币）的策略，直接冲击了闭源商业模型的定价体系。更关键的是，其通过分……
