AI 产业速递：从 DeepSeek V3.2 看强化学习的新变化 20251202 摘要 Deepseek V3.2 通过 DSA 机制优化推理效率，减少冗余计算，尤其在 复杂任务中表现突出，取代了之前的 MLA 机制。 Deepseek V3.2 的 C9 版本在后训练阶段通过投入 10%的预训练计算 量，显著提升了模型在复杂任务（如代码调试）中的强化学习能力，达 到全球领先水平。 V3.2 采用高效的上下文管理策略，智能处理用户频繁开启新任务、多轮 对话及模糊输入，有效降低推理成本。 V3.2 使用大量人类专家编写并增量训练生成的高难度合成数据，比例较 之前增加一倍以上，对后续强化学习阶段至关重要，并消耗了大量算力。 Deepseek 在后训练阶段的创新，包括开源后训练结果和支持 Agent 调 用能力，使得开源模型在功能上可与闭源模型媲美，可能引领开源项目 的新趋势。 DeepMind 的新框架结合 Rubik's 规则提示机制，提高了强化学习效率， 促使大型科技公司加速探索多模态视频和图像领域的应用，推动 2025 年相关模型的发展。 稀疏化技术降低了训练算力要求，并提升了训练上限，预计到 2026 ...