3月28日，由山东大学研究生会学术科创部与山东大学软件学院研究生会联合发起的“智汇未来 AI赋能”DeepSeek专场学术沙龙在中心校区青年会客厅顺利举行。本次活动聚焦“DeepSeek大模型的应用与探索”，共同探讨如何利用DeepSeek大模型提升科研效率、优化学习与工作流程，吸引了众多同学参与。

活动伊始，主持人对到场嘉宾和观众表示热烈欢迎，并简要介绍了本次沙龙的背景与主题。他指出，AI大模型正深刻改变科研与学习方式，而DeepSeek作为国内领先的大模型之一，在学术研究、代码生成、文本处理等方面展现出强大潜力。他强调，本次沙龙旨在通过分享，帮助大家更好地理解应用DeepSeek，从而让AI真正成为科研的得力助手。

李欣霓：DeepSeek整体把握——AI大模型的技术革新与应用未来

首位宣讲嘉宾2024级硕士研究生李欣霓，她以“DeepSeek整体把握：AI大模型的技术革新与应用未来”为题，系统介绍了大模型的基本概念、发展历程及核心优势。她对比了DeepSeek与ChatGPT在技术架构、训练数据、应用场景等方面的异同，强调DeepSeek在中文理解、代码生成及长文本处理上的突出表现，并列举实例，如在智能写作方面，DeepSeek 凭借其独特的模型架构和训练算法，能够生成逻辑更为严密、内容更为丰富的文本；在图像识别领域，DeepSeek 展现出超越 ChatGPT 的精准度。

丁子星：DeepSeek应用路径——个人如何用好AI大模型

随后，2024级硕士研究生丁子星围绕“DeepSeek应用路径：个人如何用好AI大模型”展开分享。她通过现场演示，详细讲解了DeepSeek的使用技巧即如何有效运用DeepSeek，包括如何设计高效指令、优化提问方式以获取更精准的回答，怎样运用精准且简洁的语言引导模型给出符合预期的结果，以及如何利用DeepSeek完成文献综述、论文润色、数据分析等科研任务，为同学们提供了切实可行的操作指南。

孙昊：DeepSeek进阶之路——从Transformer到R1的架构革新

最后，2024级博士研究生孙昊带来技术深度解析，主题为“DeepSeek进阶之路：从Transformer到R1的架构革新”。他深入剖析了DeepSeek的底层技术框架，包括其基于Transformer的改进、R1架构的创新点、强化学习及训练优化策略，并探讨了这些技术如何赋能模型的高效推理与多任务处理，结合直观的图示，让同学们理解这些革新如何促使 DeepSeek 在运算速度、学习能力等方面实现质的提升，他的分享为技术爱好者提供了宝贵的理论参考。

在问答环节，观众们踊跃提问，问题涵盖模型训练细节、实际应用案例、未来发展方向等。三位嘉宾结合专业知识和实践经验一一解答，现场讨论氛围浓厚。活动结束后，不少同学表示收获颇丰，对DeepSeek的应用场景和技术潜力有了更清晰的认识。

本次沙龙通过理论解析与实践指导相结合的方式，成功搭建起同学们与AI技术深度对话的桥梁，在互动交流中激发了大家对 AI 探索的热情，为校园学术氛围注入新的活力，有力推动同学们在科研与学习道路上稳步前行。山东大学软件学院研究生会作为联合发起方之一，不仅在活动筹备阶段提供了专业建议和技术支持，还在现场组织和嘉宾邀请方面发挥了重要作用，为活动的顺利举办提供了有力保障。