LLM - Yudong‘s Blog

DeepSeekMath 详解：从 PPO 到 GRPO，定义开源 reasoning 的训练范式（DeepSeek 系列第 4 篇）

DeepSeekMath（arXiv:2402.03300）详解：120B 数学语料 + GRPO 算法 + 三阶段训练管线，7B 模型在 MATH 上接近 GPT-4 当时水位，并定义了后来 R1 系列的 RL 训练范式。

2026-02-10 1

DeepSeek-Coder 详解：从 file-level 到 repo-level，代码模型训练范式的关键演进（DeepSeek 系列第 3 篇）

DeepSeek-Coder（arXiv:2401.14196）详解：从 file-level 升级到 repo-level 训练 + 拓扑排序、FIM 双模混合 (50% PSM + NTP)、16K 长上下文，让 6.7B 模型在 HumanEval / MBPP 上追平 CodeLlama-34B。

2026-02-02 1

DeepSeekMoE 详解：Fine-grained Expert 与 Shared Expert 双柱设计的奠基之作（DeepSeek 系列第 2 篇）

转载本文请注明出处：https://yudonglee.me/deepseekm… Continue Reading →

2026-01-24 1

DeepSeek LLM 详解：数据质量为何会改变最优 Scaling 分配（DeepSeek 公司开山之作 · 系列第 1 篇）

转载本文请注明出处：https://yudonglee.me/deepseek-… Continue Reading →

2026-01-15 1

DeepSeek 技术路线图：从 2024-01 LLM 到 2026-04 V4 的两年半完整演进史（30+ 论文导读 · 系列序章）

转载本文请注明出处：https://yudonglee.me/deepseek-… Continue Reading →

2026-01-08 1

AI Research & Engineering: RecSys, Search, NLP, Generative AI and Beyond

Category LLM

DeepSeekMath 详解：从 PPO 到 GRPO，定义开源 reasoning 的训练范式（DeepSeek 系列第 4 篇）

DeepSeek-Coder 详解：从 file-level 到 repo-level，代码模型训练范式的关键演进（DeepSeek 系列第 3 篇）

DeepSeekMoE 详解：Fine-grained Expert 与 Shared Expert 双柱设计的奠基之作（DeepSeek 系列第 2 篇）

DeepSeek LLM 详解：数据质量为何会改变最优 Scaling 分配（DeepSeek 公司开山之作 · 系列第 1 篇）

DeepSeek 技术路线图：从 2024-01 LLM 到 2026-04 V4 的两年半完整演进史（30+ 论文导读 · 系列序章）