[春节特别版]刘杨|从"Deepseek"谈大模型的新范式与教育AI的未来 - 教育AI智造者

本期节目临时加录，聚焦最近引发行业热议的开源大模型「Deepseek」。我邀请到资深大模型研究员刘洋，深入探讨了该模型的独特之处、技术原理、以及其在教育领域和AI人才培养方面的潜在影响。我们还讨论了结合通用大模型的演进路径，探讨了对话式生成模型如何进一步在垂直领域（如教育）发挥作用，并对未来5—10年大模型的发展及其对人才需求的影响进行了预测。 内容大纲开场与嘉宾自我介绍<ul> <li>「Deepseek」开源模型在近期媒体和行业内的热度与影响</li> <li>十年AI领域经验，主要研究对话系统、教育与AI的结合</li> <li>回顾深度学习从萌芽到大模型崛起的行业变迁</li></ul>从Transformer到大语言模型的演进<ul> <li>语言即智能：语言在AI中的地位与重要性</li> <li>「Next Token Prediction」与大模型涌现能力的关系</li> <li>GPT系列的发展与「语言+思维」的研究脉络</li></ul>模型规模与推理能力的关系<ul> <li>Knowledge（知识）与Reasoning（推理）的双向提升</li> <li>编程数据、数学数据对增强推理能力的帮助</li> <li>「语言+代码」如何训练出更强的综合处理与推理能力</li></ul>聊「Deepseek」的核心思路<ul> <li>纯强化学习（RL）路径与「高质量少量数据」的关键作用</li> <li>与AlphaGo/AlphaZero的类比：自我对弈、自我纠正的重要性</li> <li>下一阶段「Next Token Prediction」与「Chain of Thought」涌现的背后机制</li></ul>大模型与行业应用的平衡<ul> <li>如何看待API调用与自主训练小模型之间的抉择</li> <li>模型蒸馏（Distillation）与领域调优（Domain-spe...