千问给我的答案非常简单，基于我的伪代码做了简单的润色，生成的结果有点呆，假如是以前的我，会觉得也能接受，但当我体验完 DeepSeek 之后，我的选择有了方向。

也许是迫于 DeepSeek 的压力，open ai 的负责人 萨姆·奥尔特曼，连发多个 Twitter（现在是 X） 推出了新的模型 o3-mini，并且包含三个版本：low、medium 和 high，分别针对不同的性能和资源需求优化。

它是一种模型压缩技术，通过将一个复杂的、计算开销大的大模型（称为教师模型）的知识“蒸馏”到一个更小、更高效的模型（称为学生模型）。 这个过程的核心目标是让学生模型在轻量化的同时，尽量保留教师模型的性能。

DeepSeek 横空出世，一下子受到全球关注 ，1 月 27 日美股闪崩 ，AI 第一股英伟达最高跌幅达 17%， 国内 AI 用户这个春节都在体验 DeepSeek，DeepSeek 服务器甚至卡到宕机。这到底是什么力量在推动呢？

为此，Scale AI和CAIS推出了名为「人类最后的考试」（Humanity's Last Exam）的多模态基准测试，旨在成为这类封闭式学术基准测试的最终版本，覆盖广泛的学科领域。

AGI正在到来，但代价是什么呢？Epoch AI预测：如果AGI完全替代人类劳动，将使人类工资彻底崩溃，跌破生存所需最低水平！到2024年，这个概率将达到1/3。奥特曼也预言：下一代人类，注定被AI碾压。

微软已通过发布更新版本的 fvevol.sys 驱动程序解决了此漏洞。该补丁引入了一种验证机制，确保 dumpfve.sys 仍然列在 DumpFilters 注册表值中。如果它丢失或损坏，Windows ...

就说这个本周刚发布的 DeepSeek R1，它没有任何监督训练的纯强化学习路线令人震撼，从去年 12 月 Deepseek-v3 基座发展到如今堪比 OpenAI o1 的思维链能力，似乎是很快达成的事。

就在刚刚，Kimi发布了k1.5 多模态思考模型。这是继去年 11 月他们发布 k0-math 数学模型，12月发布 k1 视觉思考模型之后，连续第三个月带来 k 系列强化学习模型的重磅升级。

测试时训练等价于原强化学习，这个视角提供了多方面的有价值见解：（1）优化测试时计算资源时，与信息增益相关的中间过程奖励的作用；（2）模型崩溃和预训练初始化在学习meta策略中的作用；以及（3）缺乏外部反馈的情况下，不对称性如何成为测试时改进的驱动力。

近日，据著名安全博主Krebs爆料，支付巨头万事达卡（MasterCard）存在一个持续近五年的DNS配置错误，差点让这艘戒备森严的金融巨轮陷入万劫不复的深渊。

3、独特的公司文化和人才战略： DeepSeek保持着一个完全自下而上的组织结构，为研究人员提供无限的计算资源，优先看创造热情而不是证书。他们的突破性创新来自年轻的本土人才——中国本土的应届毕业生和年轻技术人才，而非海外招聘。