DeepSeek 深读

DeepSeek 是「Tech Report 公开度」最高的实验室之一——V3 / R1 / V3.1 多份 report 把训练 stack 从 infra 到对齐都讲透。重点读：

• 工程：MoE 架构（256 experts × top-8）、FP8 训练 stack、PPO/GRPO 实现细节
• R1 系列：推理时 RL 是如何让模型自学 chain-of-thought 的；纯 RL（无 SFT 冷启动）的可行性边界

子节顺序：

1. 工程深读（V3 MoE / FP8 训练 / DualPipe / 通信调度）
2. 推理 RL 与方法论（R1 / R1-Zero / GRPO / 数据合成）

---

↑ 上级 · K. 前沿实验室深读