北京大学：DeepSeek与AIGC应用 2025-CSDN博客

该文档是北京大学关于 DeepSeek 与 AIGC 应用的讲座报告，主要介绍了 DeepSeek 模型的相关知识、AIGC 的概念与应用、技术原理以及 AIGC 工具的选择方法，旨在帮助读者全面了解相关技术并合理应用。

DeepSeek - R1 详解

模型概述：介绍人工智能发展历程及大模型相关术语，对比 DeepSeek - R1 与其他模型性能，其在复杂逻辑推理、数学和编程任务表现优异，以低成本、开源和强推理能力脱颖而出，介绍公司背景、市场定位、技术原理及应用场景，如推理密集型任务、教育科研等领域，还提及接入的第三方应用，让读者全面认识其在 AIGC 领域的重要性和潜力。
技术特性与版本：阐述其通过慢思考、强化学习、蒸馏等工作原理实现推理能力提升，介绍不同版本如满血版和蒸馏版的特点及算力要求，分析其优势如理科能力强、准确率高，局限如通用能力相对弱、存在幻觉等，以及在多种应用场景中的具体应用。
使用方式：说明可通过 DeepSeek 官方网站、官方 app 及腾讯系等第三方服务接入使用。

AIGC 的概念和应用

基本概念：梳理 AIGC、AI、AGI 等术语，明确其在人工智能领域定位，介绍 AIGC 在文本、图像、音频、视频生成方面的应用，如代码生成、绘画、音乐创作、视频特效等，展示其在电商、新闻传媒、影视、游戏、教育、金融等行业的应用实践及核心价值，如提升效率、降低成本、增强创新。
未来趋势与挑战：探讨 AIGC 未来在生成质量提升、应用领域拓展、人机协作加强、监管框架完善等方面的发展，分析其面临的数据隐私、伦理、生成质量、就业结构变化等挑战，为应对技术变革提供参考。

AIGC 的能力揭秘

文本生成原理：以 GPT - 4o 为例，介绍通用大语言模型基于 Transformer 架构的生成机制，包括输入处理、上下文编码、自注意力机制、预训练和微调过程，分析其在多轮对话、语言转换、意图理解等方面的优势及知识局限、上下文窗口限制、生成幻觉等不足，并提供与 GPT 对话的方法和建议。
图像生成原理：以 Stable Diffusion 模型为例，解释其文本编码器、图像信息生成器和图像解码器的工作流程，揭示文生图和图生图技术的优势如降低门槛、提高效率、风格多样，局限如精确控制困难、随机性强、复杂场景理解难。

AIGC 工具选择

工具介绍：列举 AIGC 领域的工具类型，如聊天对话机器人、图像生成工具等，并介绍国内外代表性工具，如 DeepSeek、ChatGPT、Midjourney 等，通过对 DeepSeek - R1、Kimi、豆包、腾讯元宝等工具的特点、优势及适用场景分析，展示不同工具在推理能力、多模态支持、长文本处理和搜索效率等方面的差异。
选择方法：提出选择 AIGC 工具的依据，包括明确需求、评估工具性能和考虑使用成本，帮助读者做出合理选择，还介绍提升 AIGC 使用能力的方法，如建立使用清单、测试筛选和定期更新。