声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1421/N
国际刊号：1000-7857
发布日期:
作者：吴文峻, 廖星创, 赵金琨
单位：1.北京航空航天大学复杂关键软件环境全国重点实验室,北京100191；2.杭州市北京航空航天大学国际创新研究院,杭州311115；
关键词：DeepSeek,强化学习,混合专家系统,规模法则,慢思考
近年来，随着深度学习技术的快速发展，大语言模型（LLMs）在自然语言处理、内容生成、推理能力等方面取得了显著进展。以OpenAI的GPT系列、Google的Gemini和Meta的LLaMA为代表的模型，不仅在通用任务上表现出色，还在特定领域的应用中展现了强大的潜力。然而，尽管这些大模型在规模和性能上不断突破，其发展仍面临诸多挑战，包括高昂的训练成本、推理效率的瓶颈，以及模型在复杂任务中的逻辑推理能力不足等问题。
来源：2025年第6期
《科技导报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。