Die klein großen destillierten Modelle von Deepseek-R1 werden unter Verwendung von Daten der Kette, die von Deepseek-R1 erzeugt werden, fein abgestimmt, markiert mit...Tags, die die Argumentationsfunktionen von R1 erben. Diese fein abgestimmten Datensätze umfassen explizit Argumentationsprozesse wie Problemzersetzung und Zwischenabzüge. Das Verstärkungslernen hat die Verhaltensmuster des destillierten Modells auf die durch R1 erzeugten Argumentationsschritte ausgerichtet. Dieser Destillationsmechanismus ermöglicht es kleinen Modellen, die Recheneffizienz aufrechtzuerhalten und gleichzeitig komplexe Argumentationsfähigkeiten in der Nähe von größeren Modellen zu erhalten, was einen erheblichen Anwendungswert in ressourcenbeschränkten Szenarien hat. Beispielsweise erreicht die 14B-Version 92% der Codevervollständigung des ursprünglichen Deepseek-R1-Modells. In diesem Artikel wird das Deepseek-R1-destillierte Modell und seine Kernanwendungen in Industrial Edge Computing vorgestellt, die in den folgenden vier Richtungen zusammen mit spezifischen Implementierungsfällen zusammengefasst sind: