而另辟蹊径的DeepSeek恰巧处于对角线的另一端：并不盲目追求参数之大，而是选择了一条通过探索更高效训练方法以实现性能提升的“小而精”路线，打破了“参数膨胀”的惯性。

据不具名人士透露，其V3模型的关键训练架构MLA就源于一位年轻研究员的个人兴趣，经过研判后DeepSeek组建了专项团队开展大规模验证与攻关。而R1模型果断调整强化学习路线，领先于其他机构实现了近似o1的推理能力，核心原因之一也归功于其青年团队对前沿技术的敏锐嗅觉与大胆尝试。

传统的数据策略好比去农场随便采捡，常有价值不高的烂菜叶（低质量数据）。而DeepSeek创新的数据蒸馏技术，有针对性地筛选掉质量不高的烂菜叶：一方面自动识别高价值数据片段（如代码逻辑推理链），相比随机采样训练效率提升3.2倍，另一方面通过对抗训练生成 ...