# Papers

**Repository Path**: bllose/Papers

## Basic Information

- **Project Name**: Papers
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-23
- **Last Updated**: 2026-04-23

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Papers

## AI  

| 论文/模型名称 | 主要内容 | 发布平台 | 发布/更新时间 | 链接/访问地址 |
| --- | --- | --- | --- | --- |
| DeepSeek-R1 | 提出通过纯强化学习（GRPO）激发模型推理能力，无需人工标注思维链数据，是首个登上《自然》封面并接受独立同行评审的大语言模型。 | arXiv → Nature | arXiv: 2025年1月<br>Nature: 2025年9月 | arXiv: 2501.12948<br>Nature: 官网链接 |
| DeepSeek-V3 | 671B参数的MoE模型，每个Token激活37B参数，引入多令牌预测（MTP）和FP8混合精度训练，训练成本极低。 | arXiv | 2024年12月 | 2412.19437 |
| DeepSeek-V2 | 引入创新的多头潜在注意力（MLA）和DeepSeekMoE架构，显著降低推理成本。 | arXiv | 2024年5月 | 2405.04434 |
| DeepSeekMoE | 提出细粒度专家分割和共享专家隔离策略，提升MoE模型的专家专业化水平和效率。 | arXiv | 2024年1月 | 2401.06066 |
| DeepSeek LLM | 早期的基座模型，探索了开源语言模型的规模化方法，采用分组查询注意力（GQA）等技术。 | arXiv | 2024年1月 | 2401.02954 |
| DeepSeek-Coder | 专注于代码生成与理解的开源模型，旨在提升编程领域的智能水平。 | arXiv | 2024年1月 | 2401.14196 |
| DeepSeekMath | 专门针对数学推理任务进行优化的模型，推动开源模型在数学领域的能力边界。 | arXiv | 2024年2月 | 2402.03300 |
| DeepSeek-VL | 迈向真实世界视觉-语言理解的模型，探索多模态任务。 | arXiv | 2024年3月 | 2403.05525 |
| DeepSeek-Coder-V2 | 在代码智能领域进一步突破，打破闭源模型的壁垒。 | arXiv | 2024年6月 | 2406.11931 |
| DeepSeek-Prover | 通过大规模合成数据，推进大语言模型在定理证明领域的能力。 | arXiv | 2024年5月 | 2405.14333 |
| DeepSeek-Prover-V1.5 | 引入证明助理的反馈进行强化学习，进一步提升定理证明能力。 | arXiv | 2024年8月 | 2408.08152 |
| DualPath | 联合北大、清华推出的新推理框架，通过双路径读取机制解决AI智能体的I/O瓶颈，显著提升推理吞吐量。 | arXiv | 2026年2月 | [2602.21548](https://arxiv.org/abs/2602.21548) |
| Conditional Memory | 联合北大提出“条件记忆”（Engram架构），将记忆与计算分离，解决Transformer模型在知识检索上的低效问题。 | arXiv | 2026年1月 | [2601.07372](https://arxiv.org/abs/2601.07372) |
| mHC | 提出流形约束超连接（Manifold-Constrained Hyper-Connections），为深层网络的信息流动提供稳定高效的连接方式。 | arXiv | 2025年12月 | [2512.24880](https://arxiv.org/abs/2512.24880) |

## Tools

### MinerU  

[GitHub](https://github.com/opendatalab/MinerU)  
[MinerU](https://mineru.net/OpenSourceTools/Extractor)