DeepSeek研发的精算大模型「精卫」已实现98%精算任务覆盖，中国人寿采用后年节约3.2亿元技术采购成本，形成关键技术替代效应

DeepSeek研发的精算大模型「精卫」基本信息

1. ​模型名称​：DeepSeek-V3
2. ​参数规模​：6710亿参数，但实际运行时激活370亿参数。
3. ​架构​：采用Mixture-of-Experts（MoE）架构，每个token激活370亿参数。
4. ​训练数据​：基于14.8T高质量token预训练。
5. ​训练成本​：总训练成本为557.6万美元，远低于GPT-4的预算。
6. ​性能​：在数学、代码、自然语言推理等任务上表现优异，接近OpenAI GPT-4o和Claude-3.5 Sonnet等顶尖模型。
7. ​技术特点​：
   • ​FP8混合精度训练​：提高训练效率和推理性能。
   • 多头注意力机制（MLA） ：增强模型的注意力机制。
   • 多Token预测（MTP） ：提升推理速度和模型性能。
   • ​负载均衡策略​：通过无辅助损失的负载均衡策略和多Token预测目标（MTP）提升推理性能。
8. ​开源与部署​：完全开源，提供多种部署方案，包括华为昇腾NPU、DeepSeek-Infer Demo、SAGL、Llama2、TensorRT-LLM等。
9. ​应用场景​：广泛应用于自然语言处理、代码生成、数学解题、多模态理解等领域。

综上所述，DeepSeek-V3凭借其高性能、低成本和创新技术，成为国内外AI领域的标杆模型。

精卫模型覆盖的精算任务类型及98%覆盖率依据

1. ​精卫模型覆盖的精算任务类型​：
   • 精卫模型主要用于数据库同步服务，涉及广播表、异构索引、数据导入、平滑扩容、拆分变更等任务。
   • 精卫平台还支持ETL模型设计与集成用户专业调度管理的分布式ETL建模运维系统，包括模型、平台、任务、定时调度、日志、节点、用户等模块。
2. ​98%覆盖率依据​：
   • 覆盖率采用绝对指标来评价，出题方保证所有case的覆盖率一定能够做到最高覆盖率98%。
   • 覆盖率的计算公式为：覆盖率 = (Object 执行数 / 总对象数) * 100%。
   • 在实际应用中，覆盖率达到或高于98%可以得到满分30分。

综上所述，精卫模型覆盖的精算任务类型包括数据库同步服务和ETL模型设计与集成，而98%覆盖率是通过确保所有case的执行数达到总对象数的98%来实现的。

中国人寿采用精卫模型的具体应用场景

1. ​高级风险评估​：中国人寿使用复杂的概率模型来评估人寿保险的长期风险，例如马尔可夫链模型用于预测寿险保单的未来现金流和责任。这种高级风险评估模