相较于其他通用及垂类大模型，DeepSeek能够得到头部教育企业广泛青睐、激起 抢滩布局，主要得益于其几大特点： l 深度思考模式：DeepSeek的深度思考模式能够输出自然语言形式的推理过 程，使得学习、解题的思维链可视化，有利于在教育场景中展示解题方法和过 程、进行知识回溯、引导学生个性化思考，从而辅助教师及家长教育，削减此 前AI+教育直接输出问题答案可能带来的负面影响。 l 逻辑推理能力：Dee 新一 轮AI教育革新。 二、学而思：DeepSeek为基座，融合九章大模型能力， 实现双协同、生态化布局 2月8日至今，学而思先后将AI学习机、学练机等硬件产品接入DeepSeek，以其深 度思考模式升级产品AI能力，已于旗舰机开启灰度测试并将陆续上线免费智能教育 功能；新发布AI学习应用“随时问”，由自研九章大模型与DeepSeek大模型联合 支持，主打一站式智能化教育。围绕DeepSeek，学而思的AI教育布局呈现出双协 拆解复杂问题和语言交互的强项、及九章大模型深耕数学推理与学科知识图谱的优 势，实现精准分析/定位/回溯知识点、强化逻辑推理并显化思维路径、理解并输出 多模型内容，从而形成启发式引导思考的能力。 2、布局硬件+软件，以DeepSeek深度思考模式弥补传统教育硬件“重答案轻思 维”的短板，并开发新AI学习应用，集成自研讲解视频与高频AI学习工具，放大自 身专业内容积累和大模型技术优势。此外，学而思表示还在探索DeepSeek在公司

QwQ 由通义千问 开发， QwQ 能通 过思考与疑问解 决 一些复杂的问 题。 HIMl DeepSeek-R1 与 Kimi1.5 都采用 RL 来 进 行推理能力的增强 Gemini 2.0 Flash Thinking 经过训 练后，可以生成模 型在回答问题时 经历的思考过程。 推理大模型 ：通过测试时拓展（ Test-Time Scaling 等技术，大模型的推理能力不断增强。 o3 通过模拟推理技术，能够暂停并反思自 身内部的思考过程，从而在回答问题前进 行更深入的推理，类似于人类的思考方式。 推理大模型的发展 Claude3.7 是 首 个混合推理 模 型，集普 通语 言模型 和推理 模型 于一体的 混 合模型。 OpenAI o1 是专注于复杂推理任务， 通过深度思考和策略优化来解决问题。 2024.09 2024.11 2025 在回答问题之前先 Reasoning ， 生成一个详细的内部思维链 ， 模 拟人类的深思熟虑 ， 逐步分解复杂的问题 ， 提高答案的准确性和 深度。 OpenAI-o 系列推理模 型 逐步思考 ，并分解复杂的问 题 相较于 GPT-4o o1 大幅提 升 要知道从玉泉校区到紫金港校区如何最快出行，首先得 知道有几种交通路线： 1. 89 路公交车，共 17 站，需步行

（高准确率和 long-CoT 能力涌现等） 。 图表：随步数提升 R1-Zero 的 AIME 任务准确度 图表：深度思考能力提升 性能：后训练阶段大规模应用强化学习，表现推理能力扩展 资料来源： DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via

风险提示：大模型发展不及预期，智能体下游需求不足。 4.6 SkyAgents：自研模型降低成本 天工 SkyAgents 是基于昆仑万维天工大模型平台打造的，其具有从感知到决策，从 决策到执行的自主学习和独立思考能力。用户能够通过自然语言创建一个或多个智能体， 并将不同任务模块化。通过操作系统模块，可以执行包括问题预设、指定回复、知识库 创建与检索、意图识别、文本提取和 http 请求等任务。其中天工大模型的 已准备好执行复杂任务。在部署阶段，Agent 采用逐步方法操作，每一步包括获取当前用户界面的屏幕截图和动态生成的文档，详细 描述了界面元素的功能及动作效果。首先，Agent 对当前用户界面进行观察，并阐述其 关于任务和观察结果的思考过程。然后，Agent 通过调用可用函数执行动作。每次动作 后，Agent 总结交互历史和当前步骤中采取的动作。这些信息被整合进下一个提示中， 为 Agent 提供了一种记忆形式。这种细致的方法提高了

职能团队能够在整个供应链范围内更快地协作并 解决问题，而不仅仅在供应链的某一环节。 最后，企业必须重新审视其治理方式和领导 风格，从被动的危机管理模式，转向主动的风险评 估与预防。那些能够前瞻性地思考未来风险并致 力于提升团队效能的领导者，将引领供应链走向 更具韧性和适应性的未来。 归根结底，自主化系统的兴起将从根本上改 变企业的组织结构，以及人与人、人与技术之间的 协作方式。这同时也是重塑工作方式、重塑劳动

机器人将请求人类帮助以明确下一步行动. 思维链 (Chain of thought, CoT) 是一种用于 增强人工智能模型, 特别是大语言模型在复杂任务 中表现的技术, 该方法通过模拟人类的思考过程, 将 复杂问题分解为一系列更小、更易于处理的步骤[118]. EmbodiedGPT[55] 通过 CoT 生成更详细和可执行 的计划, 从而提高机器人执行任务的成功率. 首先, 模型识别任务的关键要素

现为行业带来了新的可能性。 大模型，以其强大的语义理解能力、深邃的信息分析洞察力以及丰富的内容生成创造力， 为保险业务带来了前所未有的变革潜力。它们擅长处理那些需要深度理解、复杂推理乃至 创新思考的开放式问题，这些问题往往涉及客户情感的微妙差异、市场趋势的多元预测或 是复杂案件的灵活裁决，是大模型展现其独特价值的舞台。在这里，大模型的推理演绎能 力、创新求解能力得到了充分地发挥，为保险业务提供了更为个性化、智能化的解决方案。