2025年DeepSeek原理与教育场景应用报告-北京大学-2025.4.18_135页_8mb

GS RAF 北大 DeepSeek 研讨会总结

主讲议题：《DeepSeek AI 技术原理、发展现状与教育场景落地应用》

一、DeepSeek 大模型核心技术特点

1. 架构创新：

   • 混合专家结构（Mixture of Experts）确保高并发推理
   • 多头潜在注意力（Multi-Head Potential Attention）压缩上下文记忆
   • 强化学习替代传统微调（RLHF→RLHF+）

2. 训练技术：

   • 708 亿参数蒸馏模型（如 DeepSeek-R1）仅需 3.5 亿训练成本
   • VLLM 架构实现推理吞吐量 50 倍提升
   • 支持千亿参数低代码私有化部署（Ollama+vLLM）

3. 核心优势：

   graph LR
   A[开源特性] --> 调度门槛低
   B[推理优化] --> 性价比高
   C[文化适配] --> 中文语境理解深度
   

二、教育场景应用实例分析

1. 教学环节嵌入点：

   • 课前：智能大纲生成功能（学科知识整合）
   • 课中：实时错题解析（自适应测评）
   • 课后：个性化练习推荐（机器学习适配）

2. 典型案例平台：

   平台名称	特点	适用场景
   秘塔教育助教	知识图谱构建	智慧课堂交互
   讯飞星火	语言学能突出	外语/语文辅导
   DeepSeek 教育API	中文推理能力强	数学建模/逻辑训练

3. 争议点：

   • 知识浅化：浓缩版本模型丢失源数据完整 性
   • 伦理风险：学生成瘾式依赖人工智能解题

三、技术哲学与教育重塑

1. 教育技术三要素：

   • 教育目标（育人为主）≠ 工具使用
   • 内容沉淀与思维训练并重
   • 人不能被技术取代，应该是赋能者

2. 平衡建议：

   graph TB
   U[用户需求] --> G[资源筛选]
   M[机器学习] --> A[辅助评估]
   P[平台保障] --> O[安全防护]
   

3. 实施路径：

   • 试点引入课程追踪系统，监测AI使用频次
   • 建立教师能力认证（含AI工具应用模块）
   • 制定教育数字化伦理准则

策论总结

• AI技术正处于从工具性到认知协同的范式转换
• 教育应以“思维训练”为核心，技术是二度增强
• 未来十年是中国教育数字化攻坚期