DeepSeek的文采如何炼成？ |【经纬低调分享】

正文

请到「今天看啥」查看全文

01

通过后训练阶段两个步骤协同实现华丽风格

事实上，DeepSeek 不仅会写诗，其走心的回答风格已经让不少用户直呼“戳中心窝”。毫无疑问，DeepSeek 华丽抒情走心的文风展现了 AI 温暖的一面。那么，是什么技术促成了这样的风格？

上海交通大学副教授赵波表示，通过一些试用可以发现，DeepSeek 主要包含八种角色设定：电影角色、新闻主持、历史人物、动漫游戏、文学角色、职业角色、搞笑角色和科幻角色。每种角色大类又分别包含其类型中的经典人物。DeepSeek 可以按照用户要求，模仿特定角色的语言或行文风格与用户交互。这一能力来源自然是训练数据，这需要 DeepSeek 的开发者针对丰富的角色/风格/场景，收集对应的多轮对话和指令跟随数据来训练模型。而这些数据的来源可能是原始资料数据、人工标注数据、模型合成数据等。

美国耶鲁大学助理教授杨卓然从微观角度给出了一些解读。他表示根据 DeepSeek‑V3 技术报告， DeepSeek 的华丽文风主要是通过后训练阶段的两个步骤协同实现的。

第一个步骤是监督微调（SFT，Supervised Fine-Tuning）。在监督微调阶段，模型接触到了大量高质量的语言表达示例，尤其是针对创意写作等非推理任务的数据。杨卓然表示，具体来说对于创意写作任务，初始回答由 DeepSeek‑V2.5 生成，随后经过人工审核来确保内容的准确性和风格的一致性。正是在这部分数据中，模型学习到了大量语言表达优美、用词讲究的示例，这为它后续生成华丽文风奠定了基础。

第二个步骤是强化学习（RL，Reinforcement Learning）。在强化学习阶段，模型利用奖励机制进一步优化生成结果。对于诸如创意写作这样的开放式任务，奖励模型会对生成的回答进行评分，不仅要求答案准确，还鼓励模型在措辞、句式和逻辑上表现得更加精致、富有文采。奖励模型基于监督微调阶段得到的 DeepSeek‑V3 checkpoints 进行训练，并通过高温采样和多步优化，使模型在生成时逐步融合精美的修辞和细腻的表达方式。

北京邮电大学副教授白婷则综合 DeepSeek 的多款模型，从宏观角度给出了一些解读。她表示，DeepSeek 曾在技术报告里提到一些关键技术：比如 DeepSeek-V2 使用了 Multi-Head Latent Attention 和 Sparse MoE 架构，其中 Multi-Head Latent Attention 是为了提高模型效率，MoE 架构则能通过利用多专家能力来提高模型能力。DeepSeek-V3 把多专家架构加入辅助函数进行负载均衡的优化，同时也加入了强化学习进行增强。DeepSeek-R1 版本则是解决模型推理能力，它直接使用强化学习去指导思维链的生成，并通过知识蒸馏赋予小模型以更大的能力。

白婷指出， DeepSeek

请到「今天看啥」查看全文