DeepSeek官方发布R1模型推荐设置,这才是正确用法

自春节以来,DeepSeek 就一直是 AI 领域最热门的关键词,甚至可能没有之一,其官方 App 成为了史上最快突破 3000 万日活的应用。 最近一段时间,各家 AI 或云服务厂商更是掀起了部署 DeepSeek-R1 服务的狂潮,甚至让薅羊毛的用户们都有点忙不过来了。 就在刚刚,DeepSeek 官网 X 帐号终于更新了(上一次更新还是在 1 月 28 日),官方下场推荐了部署 DeepSeek-R1 的设置。

自春节以来,DeepSeek 就一直是 AI 领域最热门的关键词,甚至可能没有之一,其官方 App 成为了史上最快突破 3000 万日活的应用。最近一段时间,各家 AI 或云服务厂商更是掀起了部署 DeepSeek-R1 服务的狂潮,甚至让薅羊毛的用户们都有点忙不过来了。

就在刚刚,DeepSeek 官网 X 帐号终于更新了(上一次更新还是在 1 月 28 日),官方下场推荐了部署 DeepSeek-R1 的设置。DeepSeek 强调官方部署的版本跟开源版本模型完全一致。

图片

刚刚发出,就吸引了全网围观。

图片

内容不多,分为四项。

第一项是:不要使用系统提示词。这个建议其实已经被很多开发者提出过了。

图片

第二项是:温度参数设置为 0.6。至于原因,DeepSeek-R1 项目中写到:「将温度设置在 0.5-0.7 范围内(建议为 0.6),以防止无休止的重复或不连贯的输出。」

第三项,DeepSeek 分享了用于搜索和文件上传的官方提示词。

对于文件上传,建议用户按照模板创建提示,其中 {file_name}、{file_content} 和 {question} 是参数。

filetemplate = \ """[file name]: {filename} [file content begin] {file_content} [file content end] {question}"""

对于网页搜索,参数包括 {search_results}、{cur_data} 和 {question} 。

对于中文查询,使用的提示词是:

图片

对于英文查询,使用的提示词是:

图片

第四项则是一个指南,说明了可以如何缓解模型绕过思考的问题。DeepSeek 写到:「我们观察到 DeepSeek-R1 系列模型在响应某些查询时倾向于绕过思考模式(即输出 <think>\n\n</think>),这可能会对模型的性能产生不利影响。为了确保模型进行彻底的推理,我们建议强制模型对每个输出都以 <think>\n 为其响应的开头。」

虽然这一次实际上就只是更新了 DeepSeek-R1 项目的 README.md 文件,但依然收获了不少好评。

图片

当然,也有用户对 DeepSeek 官方推荐的设置有所困惑:

图片

最后,虽然这种开源奉献精神令网友们感动,不过,大家当前最大的痛还是这个:

图片

相关资讯

4500美元复刻DeepSeek神话,1.5B战胜o1-preview只用RL!训练细节全公开

强化学习迎来重大突破! 近日,来自UC伯克利的研究团队基于Deepseek-R1-Distilled-Qwen-1.5B,通过简单的强化学习(RL)微调,得到了全新的DeepScaleR-1.5B-Preview。 在AIME2024基准中,模型的Pass@1准确率达高达43.1% ——不仅比基础模型提高了14.3%,而且在只有1.5B参数的情况下超越了OpenAI o1-preview!

DeepSeek全面开源V3/R1推理系统!成本利润率高达545%

就在刚刚,当大家以为开源周已经结束的时候,真「Open AI」DeepSeek带来了压轴大戏——DeepSeek-V3/R1推理系统,全面揭秘! 吞吐量和延迟优化:跨节点高效并行(EP)驱动的批处理扩展计算与通信并行处理智能负载均衡在线服务性能数据:每个H800节点每秒处理73,700/14,800输入/输出token成本利润率高达545�epSeek表示,希望本周分享的技术见解能为开源社区带来价值,共同推进通用人工智能的发展目标。 看到这里,网友都惊了!

20个很强的DeepSeek提问公式

大家好,我是汤师爷~今天直接给大家分享DeepSeek干货内容。 要获得精准的AI回答,关键在于提问方式。 这里为你整理了20个高效提问公式,直接提升回答质量。