片后，对接一场三站系统、 上饶本地人脸数据库、上饶重点人员库、上饶本地吸毒人员库、全国制、贩毒 人员库进行对接数据库比对，并调用比对结果。 2.2.4 对接吸毒案件系统 根据案件收录的信息，对比跟踪结果，分析出同一案件下属涉案人员是否 有多个单位进行负责，有多个单位进行负责时进行提示，并可以重新分配负责 单位和跟踪警力。 14 2.2.5 对接数字证书系统 系统在公安内网系统的操 据、并在 应用系统中对人员关系进行挖掘分析，实现重点人员关系分析应用、虚实关联 分析应用等应用。另一方面，通过构建 GIS 离线地图服务，构建人员在地图上 的定位、轨迹等应用，通过大数据系统的对比分析结果，利用短信接口或警务 通完成预警和报警的推送通知，业务应用系统还包含对分级权限和登录账号权 限的管理，实现对区分局、县分局、派出所等不同层级单位的权限分配，应用 22 系统作为通过 app 进行筛选查询或搜索。搜索出结果以后可以进入下一层级，查看搜索对应人员 的所有图片数据，并对图片数据根据拍摄时间（在上传时抓取数据）进行筛选 搜索。 本模块提供手动查询功能，查找到对应图片后点击数据对比按钮后，通过 对接系统（一场三站人脸识别系统和上饶本地吸毒人员库）查询该号码的对应 信息。 4.2.2 通讯录 对 App 收集的本机通信录数据进行保存，并和上传账号的被监管人员进行 数据

Takeaways：RL加持下的长度泛化 \ 推理范式的涌现 ➢ DeepSeek-R1 社会及经济效益 ➢ 技术对比探讨 ➢ STaR-based Methods vs. RL-based Methods 强推理路径对比 (DS-R1 \ Kimi-1.5 \ o-series) ➢ 蒸馏 vs. 强化学习驱动：国内外现有各家技术路线对比分析及Takeaways ➢ PRM & MCTS 的作用 ➢ 从文本模态到多模态 下多个采样输出的平均奖励作为基线。具体而 言，对于每个问题 ，GRPO从旧策略𝜋𝜃𝑜𝑙𝑑中采样一组输出，并通过最大化以下目标优化策略模型： ➢ 通过群组相对方式计算优势值，与奖励模型的对比性质（通常基于同一问题的输出比较训练）天然 契合；此外，GRPO直接将策略模型与参考模型的KL散度作为正则项加入损失函数，而非将其混入 奖励计算，简化了优势值的计算。 DeepSeekMath https://arxiv 市场激活：这种高性价比、低门槛的大模型服务模式，将吸引更多初创团队涌入赛道， 催生多元化的应用场景和技术路径，推动行业生态的繁荣发展。 ➢高效创新：在有限算力资源支持下，算法创新模式，突破了算力的“卡脖子”限制 28 技术对比讨论：Kimi K1.5 Moonshot Kimi K1.5 Main Result Kimi K1.5 Long2Short Result K1.5 专注于用长文本CoT 解决推理时Scaling问题

择一辆。在此之前，他可能已经在线上浏览、对比过 40 款车型。 相比以前，车企更难获取高成功率的购车线索。整体营销效率 下降成为行业普遍问题。这主要是由于两大结构性变化： 其一，消费者购车决策窗口正在前移。 汽车之家研究院调研数据显示，用户从选车到下订，平均要经 历两个月的时间：在 35 天的海选后确定意向；随后进行线下 看车，在 2 周内订购——当消费者走进 4S 店时，他们可能早 在线上就已经完成了车型的对比、研究、咨询等一系列流程。 而在更具备运营价值的线上选购黄金期，车企正面临激烈的注 意力争夺战。 其二，用户选择呈现能源类型分化。 新能源车用户平均浏览车系数量从 2023 年的 40 款增至 2024 年的 42 款，深入对比 5.9 款；而燃油车用户浏览车系数则由 40 款微降至 39 款，对比 5.7 款。这种分化与新能源车型迭代 提速、价格战白热化直接相关，进一步加剧了车企的精准营销 难度。 与此同时，用户通常不喜欢没有价值的重复推销，给潜客运营 的质量提出了新的要求。 对其他品牌有购车意向 明确不选旧车品牌 90% 59% 首购 增购 换购 用户海选阶段通常从 40 个车型中筛选出 5-6 个加入选购清单进行深入对比 浏览车系数量 40 个 对比车系数量 5.8 个 留资车系数量 1.7 个 浏览 车系数量 对比 车系数量 意向 车系数量 仅看燃油车 仅看新能源车 两者都看 40 5.3 1.7 2023 年 2024 年 39 5.7

预算审核与优化..................................................................................50 5.4 历史数据对比分析..............................................................................51 6. DeepSeek-R1 在成本控制与分析中的应用 差并采取措施纠正。大模型可以通过物联网技术和大数据分析，实 时采集施工现场数据，并与预算数据进行对比，提供动态成本预警 和优化建议。此外，还需关注工程变更和签证管理，确保变更费用 的合理性和可控性。 最后，工程结算阶段是造价管理的收尾环节。在这一阶段，需 对工程的实际成本进行全面核算，并与预算进行对比分析，总结经 验教训。大模型可以通过自动化核算功能，快速生成结算报告，并 通过数据分析，评 成本变化等多维度信息，自动生成初步预算方案。模型还支持对不 同类型的工程项目进行定制化配置，确保预算编制符合实际需求。 在审核阶段，DeepSeek-R1 大模型通过智能比对技术，将当 前项目的预算数据与历史项目、行业标准进行对比，快速识别出预 算中的异常值或不合理项。例如，对于材料价格过高或工程量估算 不准确的情况，模型会进行标记并提供修正建议。此外，模型还可 以生成详细的审核报告，包括预算偏差分析、风险提示及优化建议，

被动学：学生被严格限制，千篇一律地学习 无反馈：教学过程无数据反馈，无法精细化管理 课堂分析 AI 分析维度 l 班级行为统计分析 l 班级行为对比分析 l 班级行为趋势分析 l 全校行为统计分析 l 学生专注度对比分析 l 班级专注度对比分析 l 班级专注度趋势分析 l 考试成绩 & 专注度分析 课堂行为分析 课堂专注度分析 课堂分析— AI 分析维 度 阅读 举手 起立 趴桌子 玩手机 走下讲台 板书 多媒体讲授 课堂行为分析—师生行为种类 3 种教师行为 7 种学生行为 课堂行为分析—班级行为统计分析 课堂行为分析—班级行为对比分析 班级名称 行 为 次 数 课堂行为分析—班级行为趋势分析 日期时间 行 为 次 数 课堂行为分析—全校行为统计分析 归一化处理 等比缩放到（ 0,100 ）范围，使数据具有可比性 比如：同一秒去掉钟同一学生有多条数据，只保留一条 课堂专注度分析—专注度分析原理 课堂专注度分析 - 学生专注度对比分 析 " " 离群学 生 学 生 专 注 度 指 数 学生姓名 中位 数 课堂专注度分析 - 班级专注度对比分 析 班 级 专 注 度 指 数 离群班 级 班级名称 中位 数 课堂专注度分析 - 班级专注度趋势分 析 班 级 专 注

.................................................................................43 3.3 与其他 AI 技术的对比分析................................................................................................. 40%，人力成本降低 35%，同时将客户满意度从 78%提升 至 91%。这一成果表明，大模型技术不仅能够解决传统理赔业务的 痛点，还能为保险公司创造显著的商业价值。 以下为试点项目的关键数据对比： 指标 传统流程 DeepSeek 应用 后 提升幅度 案件处理时效（天） 7.2 4.3 40% 人工干预率 45% 12% 73% 争议案件占比 18% 6% 67% “ ” “ 年车险新规中新增的 12 类免责条款，模型可在两周内完成知识库 更新，而传统系统改造通常需要 45 个工作日。 技术落地层面，方案设计充分考虑了业务场景的复杂性。以下 为关键性能指标与现有方式的对比： 维度 传统模式 DeepSeek 方案 提升幅度 材料初审准确率 78% 95% +17% 欺诈识别覆盖率 60%（规则引擎） 92%（模型+规则） +32% 日均处理能力 500 件/人天

柜冷却服务器后，由热通道排出升温后的热空气，再 通过空调设备回风口吸入完成一次循环 ［3］。本项目的 智算中心机房气流组织形式如图4所示。 列间空调也可以采用热通道封闭方式，冷、热通 道封闭的对比如表 3所示。热通道封闭是采用物理措 施将排出机柜的热空气进行封闭隔离，通过空调设备 回风口吸入热空气冷却后，再冷却服务器 ［4］。 当采用热通道封闭方式时，工作人员一般在冷通 道活动，提高机房温度对人员舒适度影响不大，易于 5所示。为了验证 不同位置空调故障对智算中心机房内温度的影响，后 文将针对不同位置的空调故障进行分析，找出在最不 利工况下机房内的温度情况。 图5 智算中心机房模型 表3 冷、热通道封闭（列间空调）对比 对比项目 运维人员舒适度 空调能效 故障响应时间 冷通道封闭 较差 较低 较短 热通道封闭 良好 较高 较长 表2 智算中心机房室内设计参数及空调配置 功能区 域 智算中 的增加，热通道内的温度也随之升高，其温度分布也 越发趋向均匀。 5 实际运行与模拟结果对比 本项目按照图 3所示的方案进行了改造，改造后， 在冷、热通道内增加了温湿度测点。这些测点布置在 距离地面 1.0 m，距离机柜侧 0.6 m 处，测点具体位置如 图 11 所示。湿度传感器信号由动环实时采集。实际 运行与模拟结果数据对比如表4所示。 由表 4 可以看出，实际运行与模拟结果数据基本 一致，但热通道最高温度相差较大。这主要是由于实

习框架， 训练数据无需离开医疗机构本地网络。测试数据显示，在保护患者 隐私的前提下，模型通过迁移学习可使新接入医院的冷启动准确率 在两周内从 62%提升至 85%。 在药物相互作用预警场景的对比测试中，DeepSeek 智能体展 现出显著优势： 指标 传统规则引擎 DeepSeek 智能 体 召回率 68% 92% 误报率 23% 8% 响应延迟 120ms 45ms 支持药物种 以上临床数据字段 - 开发智能 数据路由引擎，支持 HL7/DICOM/FHIR 等多协议自动转换 - 构建 增量同步机制，将跨系统数据延迟控制在 5 分钟以内 某试点医院实施数据整合方案后的效果对比： 指标 实施前 实施后 提升幅度 数据调阅响应时间 4.5 分钟 11 秒 85% 跨系统操作步骤 7 次 1 次 86% 医嘱开具错误率 2.3% 0.7% 70% 该方案通过 DeepSeek 45-90 分钟，人工跑签占比高达 60%。 3. 决策支持缺失：医生在制定治疗方案时，需自行查阅文献或指 南，约 70% “ ” 的受访医生表示 无法快速获取最新临床证据 。 以下为人工效率关键指标的对比分析（基于 2023 年行业调 研）： 流程环节 传统模式耗时 理想耗时 效率损失率 病历录入 10 分钟/份 2 分钟/份 80% 检查报告审核 15 分钟/例 3 分钟/例 75% 流程环节

确解析；其次是多模态数据处理能力，既能解析 PDF 财报和扫描 凭证，又能处理 Excel 底稿和数据库日志；最后是可追溯的推理链 条，每个审计结论都必须具备可验证的逻辑路径。以下为审计智能 体与传统工具的对比差异： 能力维度 传统审计软件 DeepSeek 智能体方案 准则更新响应速度 季度级人工更新 实时在线同步 能力维度 传统审计软件 DeepSeek 智能体方案 异常检测覆盖率 预设规则覆盖 92%，远超人工抽样检查的 65%水平。最后是智能分析辅 助，通过自然语言处理技术自动解析合同条款、监管文件，生成风 险提示和审计要点，使审计师能够聚焦于专业判断而非基础信息处 理。 关键技术指标对比表： | 维度 | 传统审计方式 | 人工智能辅助 审计 | 提升幅度 | |——————–|————–|——————| ———-| | 数据处理效率 | 100 笔/ 一，处理速度需要达到千万级数据/小时的吞吐量，某四大会计师 事务所的测试数据显示，当响应延迟超过 2 小时时，审计师的决策 准确率会下降 17%；第二，分析维度必须覆盖 100+风险指标实时 交叉验证，如下表所示的风险指标覆盖率对比： 指标类型 传统工具覆盖率 行业要求标准 财务异常 68% 95% ≥ 合规性条款 52% 90% ≥ 关联交易 45% 85% ≥ 操作风险 37% 80% ≥ 第三，系统需要支持 7×24

地区排行查询.....................................................................................34 3.4.5 多年对比查询.....................................................................................36 4 数据分析与挖掘主题展望 数据挖掘。 生产系统数据源可以是已建立的容灾备份池，也可以是原始生产库，甚至是非 基于平台的第三方系统或外部文件等资源。数据资源目录依据标准存储建立后， 还可提供多地区多年度收支统计、地区排名、多年对比等初步的数据查询比较 主题。当然，进一步的主题分析、深层挖掘，还需要基于形成的标准存储数据 仓库进一步进行抽象分类提取。 2.1.1 数据资源目录总体结构 数据资源目录体系主要由数据资源目录服务系统组成，同时还具备软硬件、网 、访问方法、 地 址等，以此为基础通过资源目录记录的信息获取资源实体。 结合整体数据分析应用功能逻辑，数据资源目录体系的建立大体可分为数据采 集及 ETL 技术支撑功能、数据资源目录管理功能、对比主题展现功能三大部分。 总体的功能结构图如下： 图 2-7 数据资源目录功能结构图 3.1 资源目录管理 数据资源目录体系管理架构包括数据资源目录体系使用和管理的三个角色和六 项活动。三个