Gate 广场创作者新春激励正式开启,发帖解锁 $60,000 豪华奖池
如何参与:
报名活动表单:https://www.gate.com/questionnaire/7315
使用广场任意发帖小工具,搭配文字发布内容即可
丰厚奖励一览:
发帖即可可瓜分 $25,000 奖池
10 位幸运用户:获得 1 GT + Gate 鸭舌帽
Top 发帖奖励:发帖与互动越多,排名越高,赢取 Gate 新年周边、Gate 双肩包等好礼
新手专属福利:首帖即得 $50 奖励,继续发帖还能瓜分 $10,000 新手奖池
活动时间:2026 年 1 月 8 日 16:00 – 1 月 26 日 24:00(UTC+8)
详情:https://www.gate.com/announcements/article/49112
DeepSeek低调推出R1论文V2版本,披露了几项关键技术进展。
在大模型生成内容的真实性问题上,他们给出了官方解读。针对模型在回答时频繁提及OpenAI和ChatGPT的现象,DeepSeek解释称这并非刻意设计,而是源于训练数据的客观现状——网页语料库中客观存在大量外部生成的内容,这些内容在被纳入基座模型训练时,产生了间接但可测量的影响。这个发现对理解LLM的行为特征和数据依赖性有重要意义。
更值得关注的是他们对未来能力方向的规划。论文明确将「结构化输出」和「工具使用」列为R2的核心发展方向。结构化输出能让模型按照特定格式组织信息,提升在实际应用中的可用性;工具使用则涉及模型与外部系统的交互能力,这对扩展推理模型的实际应用边界至关重要。这些技术迭代方向反映了从纯文本生成向多模态、强交互能力的转变趋势。