ZBLOG

河内1.5分彩：标准版iPhone首次缺席秋季发布会 IDC：苹果聚焦高端机平衡全年营收

Mon, 14 Sep 2026 07:15:08 +0800

快科技9月13日消息，今年苹果秋季新品发布会仅带来了iPhone 18 Pro、iPhone 18 Pro Max和iPhone Duo三款手机，iPhone 18标准版并未亮相。

IDC高级研究总监Nabila Popal表示，这是苹果首次在秋季发布会上没有推出基础款iPhone，而标准版机型通常贡献苹果下半年全球iPhone出货量的约16%。

在她看来，这一变化与其说是受到供应限制影响，不如说是苹果主动调整产品组合和新品发布节奏。

随着iPhone产品线扩展至六款机型，如果所有新品都集中在秋季发布，不仅会加剧单场发布会的信息密度，也可能分散不同定位产品的市场关注度。

因此，将新品发布时间拆分至秋季和春季，有助于苹果为不同价位和定位的产品提供更独立的市场窗口，同时延长新品在全年范围内的曝光周期。

按照这一策略，苹果秋季发布会将更多聚焦高端、高毛利产品，通过Pro系列以及折叠屏等旗舰机型拉动高端市场需求；春季则主要面向标准版、e系列和Air等价格相对更低的产品。

Nabila Popal认为，这样的发布节奏不仅能够延长iPhone产品的需求周期、提升苹果全年的市场可见度，也有助于降低新品销售过度集中于下半年的情况，使营收贡献在全年范围内更加均衡。

根据目前爆料，iPhone 18标准版预计将在明年3月前后发布，有望与iPhone 18e、iPhone Air一同亮相。

文章内容举报

星辉娱乐：左手通胀右手衰退，欧美当下的困局

Wed, 03 Jun 2026 07:15:12 +0800

2026年的夏天悄悄来了，欧美经济却提前迎来了凛冬。

通胀像烧不尽的野火，刚压下去又窜起来，而经济像被抽了筋的壮汉，走路都打晃。这种撕裂感，让整个西方世界都陷入了集体焦虑。

你去美国超市看看就知道，通胀迟迟无法按下。

欧洲更惨，天然气价格坐了过山车，冬天取暖费能掏空1/4工资，老百姓上街游行的新闻天天有。

这波通胀根本不是短期现象。

中东那边打仗打得热火朝天，油价从60美元一桶飙到100美元，还看不到掉头的迹象。

粮食价格跟着疯涨，乌克兰的黑土地种不出多少东西，全球粮食供应链早就乱了套。

更要命的是核心通胀，这玩意儿像粘在衣服上的油渍，怎么洗都洗不掉。美国4月核心PCE还是3.3%，欧洲核心通胀同样顽固，离2%的目标差了十万八千里。

是央行们不想降息？他们比谁都想。美国39万亿美元的国债，每年利息就要1万亿美元，利率多高一点，财政都要崩。欧洲一些国家负债率超过100%，意大利更是逼近150%，再加息就要出大事的。

可现实就是这么残酷。美联储4月会议纪要一出来，市场直接傻眼了。

之前还盼着今年降两次息，现在连一次都没谱了，甚至有委员开始提加息。沃什刚接掌美联储，鹰派立场比鲍威尔还硬，根本不敢松口。

欧洲央行更难。

德国作为欧洲经济火车头，今年一季度GDP仅仅增长0.3%，二季度看样子也很难有所作为。法国、意大利也好不到哪去，工厂都在裁员减产，经济衰退的阴影越来越浓。

但通胀不等人。欧委会5月最新预测，欧元区2026年通胀率要到3.0%，比之前上调了0.8个百分点。德国、意大利的通胀更是压不住，市场已经在赌6月加息，概率高达86%，全年可能要加2-3次。

这就是欧美现在的死局，不加息，通胀可能就会失控。

加息，经济可能就会立刻崩盘，企业倒闭、工人失业，社会动荡就在眼前。两边都是万丈深渊，怎么走都是错。

美国的情况更撕裂。华尔街天天喊着降息救市，股市一跌就骂美联储。

但普通老百姓却在社交媒体上抱怨物价太高，要求央行继续加息。

两党更是吵得不可开交，民主党骂共和党搞贸易战推高物价，共和党骂民主党乱发福利导致通胀。

欧洲的撕裂感更是深入骨髓。北欧国家经济底子厚，还能扛一扛加息；南欧的希腊、西班牙早就撑不住了，失业率本来就高，再加息就要出大问题。欧盟内部吵成一团，连个统一的货币政策都快维持不下去了。

你去看那些经济学家的预测，简直是群魔乱舞。有的说今年年底前必须加息，否则通胀会永远粘在高位；有的说再加息就是自杀，经济会直接坠入衰退深渊。没有一个人能给出肯定答案，因为这个局现在根本解不开。

这背后是西方几十年积累的结构性问题。疫情期间印了太多钱，这些钱像洪水一样冲进市场，物价不涨才怪。供应链断裂、劳动力短缺、地缘政治冲突，这些问题哪一个都不是短期能解决的。

最讽刺的是，当初美联储和欧洲央行还以为通胀是暂时的，拖了大半年才开始加息。等反应过来的时候，通胀已经根深蒂固，经济也被拖垮了。现在想回头，门都没有了。

美国企业的日子也不好过。

利率高企，融资成本飙升，中小企业根本贷不到款，只能靠裁员保命。

欧洲的制造业更是惨不忍睹。德国的汽车、化工、机械制造，这些曾经的王牌产业，现在即便接到订单，利润也少得可怜。能源和人工价格太高，生产成本比中国、印度高出一大截，产品根本没有竞争力，只能眼睁睁看着市场被抢走。

房地产市场更是重灾区。美国30年期房贷利率又回到了6%以上，月供暴涨，普通人很难买不起。

老百姓的生活质量也是直线下降。工资涨幅永远赶不上物价，美国人的储蓄率降到了历史新低，欧洲人更是开始节衣缩食。下馆子的次数也比之前明显减少。

这种日子谁能受得了？

更可怕的是，这种撕裂感正在向政治领域蔓延。

美国2026年中期选举越来越近，两党都在拿经济问题做文章，互相攻击、互相拆台，根本没人真正关心怎么解决问题。欧洲的右翼势力趁机抬头，民粹主义越来越猖獗。

你以为这就完了？更糟的还在后面。

中东冲突看不到结束的迹象，油价可能还要涨；全球粮食危机越来越严重，非洲已经有很多人在挨饿。这些都会进一步推高通胀，让欧美经济的处境更加艰难。

美联储和欧洲央行现在就像走钢丝的杂技演员，手里的平衡杆就是利率。稍微往左偏一点，通胀就会失控；稍微往右偏一点，经济就会摔下去。这种刀尖上跳舞的日子，不知道还要持续多久。

那些曾经嘲笑发展中国家经济脆弱的西方媒体，现在也不敢像之前一样大肆攻击他人了。他们自己的经济一团糟，通胀高企、经济衰退、社会撕裂，连基本的民生问题都解决不了，还有什么脸去说别人？

这就是欧美2026年的真实写照，一边是熊熊燃烧的通胀之火，一边是冰冷刺骨的衰退之水，央行们站在中间，手里拿着加息的刀，却不知道该砍向哪一边。这种撕裂的现实，还会持续很长一段时间，直到整个西方世界找到新的出路。

而我们普通人能做的，就是看清这个残酷的现实，别盲目去赌行情。毕竟，在这个动荡的时代，活下去，比什么都重要。

★ 声明：以上仅代表作者个人立场，仅供参考学习与交流之用。

星辉娱乐登录：爱宠看病贵又难，乡村兽医竟成最强平替

Sat, 31 Jan 2026 07:16:57 +0800

本文来自微信公众号：酷玩实验室，作者：酷玩实验室，原文标题：《爱宠看病贵又难，乡村兽医竟成最强平替！》

01：爱宠大神医

生过病的朋友都知道，人类看病治不明白，会不断往更上级的医院转送。

那么，宠物生病了怎么办？

这情况可能会反过来。

现在越来越多的人宠物主人开始把自家“毛孩子们”往乡村兽医站带，而非惯性认知中的宠物医院或城市诊所。

看似向下兼容，实则治疗效果明降暗升，小猫小狗们有了自己的门诊与住院部。

所谓门诊就是兽医站桌子，至于住院部，可以是结实的长板凳，也能是大小各异的包装袋，从白酒礼品袋，到奶茶包装袋，甚至是塑料袋，能兜住猫狗的都算一个合格的床位。

在这里，能住上笼子病房的猫狗都算是进了特需病房。

打点滴不是吊袋子就是趴椅子，大狗长凳，小狗独凳，中号就俩独凳拼起来。

没有温柔护士，只有硬核医生。

听话小狗在挂票体验完后能美美出院，不听话的则会享受医用绑带贴嘴贴爪，主打老实治病。

平日在各种宠物洗护账号里遇上的“魔童超雄猫狗”，这里全部绝迹，兽医大叔行医几十年自带的霸气绕体与娴熟手法，不服不行。

所以一大堆猫狗在屋里住院，秩序不能说完全井然有序，但也起码是排排坐，吃果果。

原因很简单，很多宠物医院看不明白，价格还高得离谱，有时啥都没看出来，反倒先收了上千的检查费。

乡村兽医站这边，虽然条件简陋了一点，可兽医大夫的技术那可真是药到病除，妙手回春。

打一个比方，城里的宠物医院好似那店长总监如云的办卡理发店，技术不一定高，但费用一定不低；乡村兽医站则像那社区理发店，服务配套啥的主打一个随性，没啥花里胡哨，但能快准稳地满足核心需求，不废话。

在乡村兽医手下，自家宠物可能被当做畜生治，先别急，这价格也真是畜生价。

一句细小20元，我直接哭晕在厕所里面。

细小打了7天针，外面直接花了我5000元。

人家猫瘟40治好了，那我花五千多算什么？

子宫蓄脓五块一针？我家做完手术7550？

所以，精心治疗不一定讲究服务，就跟战场上的军医不管你留不留疤，而是确保你能活着回去。

当然，会有不少网友觉得，真有这么神么？

的确，都说乡村兽医靠经验看病，可这些兽医的经验太太太太太太多了。

有主人带着自己“突发瘫痪”的小猫来看病，忧虑地表示宠物医院拍一个CT要1000多，正看着“卡机”小猫一筹莫展之际，兽医却认为：“这多半是猫咪大脑的问题，拍CT不一定看得出问题”。

嘴上说着有点棘手，但给主人短暂交涉后，凭着经验来了俩针，算上护肝片啥的，一共也才17.5。

没想到回去后，主人就说猫儿已经“解冻”，能下地吃饭了。

外面给宠物猫骨折做手术要4000多，兽医站博主这边表示只要2000，顺带给猫猫看皮肤病的时候，发现主人是爱心收养人士，一堆药品只要了十几块，还外送了两板鱼油给宠物补身体。

这种感觉颇有一种欧美国家医生走设备技术流，而国内差点设备优势，可医生临床经验又丰富到爆炸的既视感。

手法看似简单粗暴，但能直击病灶，治疗效果不存在于复诊与言语之间，而是在主人难以置信的惊叹之中。

更何况，价格不仅公道，很多服务还尽显人文关怀，根本就没奔着赚钱来，要是还嫌这嫌那，这才是真畜生。

需要注意的是，纵使治疗效果哇塞，别人医生也不热衷于吹牛皮，名字后面通常都会跟上“三不医”，即“把猫狗当儿子养的不治，别人治过的我不治，把我当神医的不治”。

尽管是宇宙级免责条款，但在现实案例的强力支持下，更有一种扫地僧事了拂衣去的淡然。

自我调侃为“修猫修狗”，干的全是缝补慈心的针线细活儿。

尤其是现在美名在外，很多宠物家长们都担心乡村兽医成为下一个“鸡排哥”，都在主动降温不想神话。

可面对络绎不绝的待治疗猫狗们，依旧来者不拒，一针又一针，甚至还在网上都开了咨询窗口，指点迷津。

除了治疗猫狗，兽医们的主业照样没忘，毕竟乡里还有不少的大件牲畜等着“修理维护”。

“兽医出诊”也逐渐成为了网友们的下饭视频，这才是最原生态的硬核治疗。

光是上麻药都得使出十八般武艺，面对一些天生犟种，那场景跟西班牙斗牛士有的一比。

至于像常见的寄生虫病，兽医娴熟的“手动驱虫”，直接能让部分观众十天半个月吃不了面条。

不过，兽医比大家想象中的还要辛苦。

早出晚归给各种牲畜看病，一身味儿大不说，有时刚回家说洗个澡，转头又来电话了，更别说经常半夜还会来急症，帮各种难产的牲畜处理生产，扯犊子是他们的必备技能。

要算上还能帮着修猫修狗，就别怪别人当畜生治说“三不治”了，毕竟兽医也是人，不是菩萨变的。

至于为什么广大宠物家长愿意大老远跑去找乡村兽医，不是故意舍近求远，而是真没招了。

02：宠物金钱道

生孩子不如养猫狗，这句过往的玩笑话正在成真。

国家统计局最新数据披露，2025年全年出生人口792万人，死亡人口1131万人，人口总量同比减少339万人。

人口出生压力不断增大，社会老龄化不断加剧，但宠物“新生儿”的数量却迅猛增加，形成了极大反差。

宠物增量超过了新生儿数量

根据《2024年中国宠物行业白皮书》数据，中国城镇宠物（犬猫）数量已正式突破1.24亿只，较2023年增长2.1%，其中猫的数量（约7153万）明显高于犬（约5258万）。

即使抛开主流猫狗宠物，当下国内的异宠饲养人群数量（鸟类兔子爬宠等）也都早已突破了1700万人，势头不小。

随着越来越多人饲养宠物，宠物医疗市场得以迅速壮大。

肉眼可见的万亿市场

早在2024年，宠物医疗市场规模就达到了940亿元，占整体宠物消费市场的28%，仅次于宠物食品，成为了第二大细分市场。

不过，宠物医疗的供给增加并不意味着医疗质量也跟着上去了。

中国兽医协会官方统计显示，我国执业兽医如今约有17万人，但真正从事宠物临床的仅4万人，若按照发达国家比例测算，针对宠物服务的执业兽医缺口高达30万人。

原因很简单，动物医学专业虽然有“医”字，但并非跟医生一样获得医学学位，而是“农学学位”，这背后便是传统农业高校以“猪、牛、羊等经济牲畜”为核心展开的兽医教学模式。

教学医猪医牛的多，针对猫狗异宠的临床教学就比例偏低了。

这也是为什么很多乡村兽医虽有丰富临床经验，但也会在名字后面加上“三不医”的免责条款。

毕竟大多数乡村兽医没有专门学过医猫医狗，只有多年跟各种牲畜打交道得来的深厚经验，可真要是遇上了什么偏难怪，或者必须手术的情况，还是没辙，得找专门医生上专业设备弄。

好消息是，截至2025年初，国内登记在册的动物诊疗机构约3.4万余家；可坏消息是，约69%的宠物医院员工人数在10人以内，这意味着绝大多数是社区店或个体店，缺乏CT、MRI等昂贵影像设备，更无法处理复杂的外科手术。

新华网调查数据显示，由于专业人才短缺，部分小型诊所甚至还存在“影子医生”现象——即挂证执业，实际操刀的可能是经验不足的助理，这也导致了不少宠物医疗事故。

虽然有中农大动物医院这类被誉为“动物协和”的医疗机构存在，但更多宠物医院，并不像人类医疗体系那般健全。

目前，中国兽医协会已开始推行分级制度，但在2024年1月公布的首批名录中，包括中农大动物医院在内仅有极少数医院获得“五星级”评定，绝大多数医院仍处于“无星级、无分级”的监管真空中。

想要找靠谱医院和医生，基本都处于一个口口相传状态，这种盲盒状态导致了不少问题。

好比全国具备专业异宠诊疗能力的医生占比不足3%，这意味着异宠主面对的完全是“黑箱医疗”，误诊率极高。

再加上人医出事情，宠物医出事情，处理方式完全不可同日而语。

大多数情况宠物主人都只能自认倒霉，维权也只能停留在消费级，这使得很多涉事医院根本没在怕。

简单一搜，就能发现各种各样的宠物医院避雷帖，大多数情况都是花了大钱，毛孩儿要么没医好，要么医死了。

虽然治疗中双方都要承担一定的风险，但多数投诉反馈下，都是宠物收费，畜生待遇，医死了就死了，反正不是人，道德方面全看医生医德，维权啥的无从谈起。

2024至2025年相关投诉案例显示，宠物医疗纠纷主要集中在：无证接种疫苗、使用过期生化试剂、资质不足却违规进行高难度手术等。

根据新华网调查，同一项检查（如生化全套或X光），不同医院的差价可达5到10倍，超过45%的宠主反映曾被引导进行“预防性”但非必要的昂贵检测，或将一次手术拆分为多次耗材收费。

所以，为什么很多宠物主人知道兽医站设备层面的劣势也要专门去看病，就是已经对整个宠物医疗环境寒心了。

盈利成了首要大事，而不是治疗被主人视作家人的宠物。

甚至有部分黑心医院，想要控制整个行业的价格，不允许有亲民价格的宠物诊所的存在。

这些同行通过刷差评以及举报的方式，不断骚扰价格实惠的宠物诊疗机构，由于很多亲民价格的宠物店几乎都是夫妻店形式，很难长期坚持与一些大机构扳手腕，最终妥协。

包括本次乡村兽医走红后，他们在不同层面都遭受到了压力，即使他们有三头六臂都抢走不了很多同行的生意，但他们的存在就是对整个行业的照妖镜。

宠物主人不是傻子，该做手术啥不会瞎往兽医站送，他们只是觉得许多医院诊所吃相太难看，需要一个能正常看病的地方，让自家宠物能少受罪的地方，而不是宠物与钱财全两空。

或许，让乡村兽医的走红不光是简单有效的医术，而是宠物主人们长期以来压抑的情绪。

当然，不管是城市还是乡村，都还是有不少有医德的兽医存在。

不过有医德讲爱心不代表能白嫖别人，许多兽医也遇上过不少的寒心事儿。

要么做完手术赖账，或者被同村同乡的拖欠治疗费，那已经不是常有之事了，有时账单叠起来都能当字典。

所以，宠物市场蓬勃的发展，应该借助这股东风为宠物提供更好的生活医疗条件，获得对应的回报，实现双赢。

而不是把主人和宠物一起当畜生宰。

重庆时时彩：福建清流台湾农民创业园绘就两岸融合新“丰”景

Mon, 08 Sep 2025 07:15:26 +0800

中新网三明9月6日电 (雷朝良黄馨怡)进入9月，福建省清流县台湾农民创业园一派繁忙景象。在园区内的清流县清龙兰花基地，满目的兰花亭亭玉立，清香宜人。基地的主人赖张龙正穿梭在温控大棚中，查看兰花长势。他向记者介绍着各种兰花的由来和特征。

图为赖张龙在清流县清龙兰花基地做直播。雷朝良摄

2010年，经销台湾兰花多年的清流青年赖张龙与台商王清香一拍即合，联合创办三明市清龙生态兰花有限公司。赖张龙充分发挥自己在兰花种植方面的经验，并借助台湾先进的兰花育种技术，其公司发展一路走高。

“目前技术团队正在探索兰花分子育种技术，将形状好、颜色好、香味好的基因组合，培育集多种优势于一身的新品种。”赖张龙说，其公司每年培育新品兰花种苗120万盆、成品兰花60万盆，2024年产值5000多万元。

近年来，清流县深入挖掘“台”的资源优势，发挥台湾农民创业园平台作用，探索创新清台农业交流机制，打造以百亩精品兰花园、千亩樱花观赏园、万亩生态茶园为代表的规模化、品牌化农业项目，积极申报国家级现代农业产业园，不断优化产业结构、增强发展后劲，促进特色现代农业发展。

清流台湾农民创业园管委会常务副主任李国辉介绍，目前园区已吸引76家台资企业落户，累计引进台湾特色农业新品种53个、新技术23项，2024年园区总产值达11.6亿元，台企电商年销售额达5000万元。

在园区企业福建清流兰山茶饮有限公司基地，清甜茶香扑面而来。车间内，两条全自动清洁化生产线正高速运转。

“园区在政策、资金、设备更新等方面都给予企业很大帮助，还组织我们到台湾进行考察交流，助力企业降本增效、做大做强。”企业负责人苏水标介绍，其企业经过多年发展，年产干茶1200余吨，年均产值超4000万元，企业产品已被美国可口可乐公司确定为茶原料供应商。

“近三年来，已有50余家台企累计享受生产用电优惠电价684.75万元。”李国辉说，为优化营商环境，当地设立了“一站式”台胞服务中心，提供法律咨询、证照办理等便捷服务，并积极引导“台二代”“台三代”接棒发展，助力海峡两岸乡村融合发展试验区建设。(完)

奇趣分分彩：哈马斯：已准备好与以色列达成停火协议

Fri, 05 Sep 2025 07:15:04 +0800

参考消息网9月4日报道 据德新社9月3日报道，巴勒斯坦军事组织哈马斯说，它已经“准备好”与以色列就实现加沙停火达成一项“全面协议”。

哈马斯3日晚表示，它仍在等待以色列就国际调停方提出的停火建议作出回应。

以色列提出的协议条件包括释放所有人质和解除哈马斯武装。

以防长伊斯雷尔·卡茨说：“哈马斯继续在骗人和说空话。”以色列总理本雅明·内塔尼亚胡的办公室发表声明称，哈马斯的表态不过是该组织的“又一次造势”，没有任何新内容。

内塔尼亚胡办公室称，只要满足以色列内阁设定的条件，这场战争就可以立即结束。除了释放所有人质和解除哈马斯武装外，这些条件还包括实现加沙地带的非军事化和以色列对这块领土的安全控制。

哈马斯则表示，它准备“达成一项全面协议，释放所有被抵抗力量关押的敌方囚犯，以换取释放被占领方关押的巴勒斯坦囚犯，数量由双方达成一致”。哈马斯还说，它将同意为加沙地带组建一个“独立的、由技术官僚组成的国民政府”。

哈马斯没有回应以色列提出的结束战争的其他要求。

另据塔斯社9月3日报道，哈马斯军事分支卡桑旅在一份声明中警告称，以色列扩大其在加沙地带军事活动的决定可能会夺去人质的生命。

它在“电报”软件上发布的视频中说：“如果扩大在加沙的行动，以色列将用其军人和人质的生命付出代价。”目前仍然活着的以色列人质数量尚不明确。（编译/刘晓燕）

星辉平台注册：胡桑诺夫：很高兴来跟最好的教练学习会有更多乌兹别克人来英超

Tue, 21 Jan 2025 07:15:14 +0800

直播吧1月21日讯曼城新援胡桑诺夫今天接受了俱乐部官方媒体采访，并谈到加盟曼城的感受。

胡桑诺夫说道：“我很高兴能加入这支球队，我来到这里是为了发展和成长，也是为了和曼城一起赢得奖杯。曼城是足坛的主要球队之一，瓜迪奥拉是最好的教练之一，这就是我来这里的原因。”

“我在一支名叫ToshKuch的球队开始自己的生涯，然后我转到了本尤德科青训学院。在那之后我去了白俄罗斯，并在那里开始了我的职业足球生涯。18岁时，我去到法国，现在我从法国来到了曼城。”

“我会看曼城的比赛，我小时候也经常看。我可以肯定地说，曼城的足球非常有趣，风格独特。我总是选择最好的教练，现在，我也来到这里与最好的教练共事。”

“这不仅是为了我自己，也是为了乌兹别克斯坦。我是第一个在英超联赛效力的乌兹别克斯坦人，但我相信这只是一个开始，更多的乌兹别克斯坦球员将来到英超联赛踢球。乌兹别克斯坦人对足球的兴趣与日俱增，正因如此，那里的每个人都希望获得世界杯参赛资格，我们距离世界杯参赛资格仅一步之遥。”

星辉登录：餐饮行业越来越难赚钱，怎么破？

Sat, 04 Jan 2025 07:15:05 +0800

餐饮行业越来越难赚钱，怎么破？西贝创始人贾国龙说，再大的危机，只要回到一线就一定有办法。

南城香创始人汪国玉也多次表示，企业遇到问题了，要回到门店解决问题，而且解决问题要看核心，不要什么问题全抓。

那怎么回到一线？回到一线究竟去解决哪些问题？门店作为餐饮经营的最小单位，回到一线其实就是回到门店，针对性解决门店经营中出现的问题。

当然餐饮门店日常经营涉及的内容很多，既有人、也有物、还包括各项事务等，一篇文章很难全部囊括，今天，我们先从产品端来看，餐饮老板回到一线要怎么做好产品？

在具体解析之前，我们要明确一个前提，一线直接面对的是顾客，因此，不管是问题还是解决办法，都要紧紧围绕着顾客，从顾客角度出发。

正如未来食餐饮战略咨询创始人余奕宏所言，“商家如果想自己就全是问题，想顾客全是答案。”

一、合理定价：优先考虑目标顾客的价格接受度

餐厅吸引消费者，价格是关键因素。老板回到门店，首先要看菜品价格是否合理。

这个合理指的是，餐厅目标消费群体的价格接受度，也就是顾客愿意花多少钱为菜品买单。现在消费者去店里吃饭，在意的是产品价值和价格是否匹配，环境、服务等其他的因素先往后排。那什么是产品价值呢？既包括食材本身的品质、新鲜度、稀缺性，也包括烹饪过程中的技艺、所花费的时间和工夫。

顾客心智中的产品价值和价格不匹配，这样的案例很多，典型如之前火过一阵的新中式馒头，一个馒头卖到4~8元，有些比较“精致”的甚至会卖到20多元一个。有新中式馒头老板关店后复盘：生意不好的根源是产品定价有问题，店里的馒头颜值一般，价格又贵，很多顾客觉得不值。在消费者心里，馒头是常见的主食之一。即便造型花样百出，馒头解决的仍是饱腹的需求，因此也很难卖出高价。

△图片来源：受访者供图

类似的还有卖上百元一个的高价汉堡，动辄几十元的贵价面包等，都是火了一阵后就销声匿迹。

这些贵价产品，不少会强调原材料品质更好，又或是突出手工现作等特点来增加价值感，但这些要素无论怎么叠加，汉堡在消费者的心目中仍是快餐的代名词，面包虽然能带来一定的情绪价值，但也不值几十元的“高价”。

当然，合理定价不是一味追求低价。这两年“价格战”此起彼伏，很多餐厅甚至“杀”红了眼，完全失去了理智，像9.9元吃火锅、0.1元/杯的柠檬水等。

刚需低价的确是当下主流的消费趋势，但老板们要保持冷静和定力，回到自己的餐厅本身，看看产品定价与目标消费群体的需求认知是否符合。如果顾客觉得你定价太高，那是这款产品本身利润就比较厚，还能再挤一挤，还是说成本就摆在那里，导致定价不得不高。

如果是溢价高，无非就是调整价格，或提升产品的品质和价值感。如果是成本高，就要思考到底是哪些方面的成本高，怎么去控下来。当然，控成本是另一个话题，这里就不多展开。

二、产品结构：抓住“淡季”下手调整

除了定价，产品结构也是餐饮老板回到一线需要重点关注的问题：产品结构需不需要调？到底怎么调？

门店的“淡季”是一个重要的切入口。

这个“淡季”不仅指一年中门店生意相对差的几个月，也可以是一周中生意不好的几天，乃至一天中生意不好的时段。

比如做正餐的，集中上客的时间是中餐和晚餐，那么早餐、下午茶、夜宵时间段是否能利用上。现在逛商场就会发现，很多餐厅推出了半价菜、会员日、午市特价工作餐、非主营时段自助等各种方式，想要在“淡季”增加一些营收。

现在很多餐饮品牌也在调整产品结构，以此来扩大覆盖客群。

典型如南城香，通过3元早餐，把顾客吸引过来排队，增加早餐时段的人气；增加小火锅，从下午16:00开始供应，增加晚餐时段的到店客流量；增加小炒肉、啫啫鸡等有锅气菜品，还有小份菜等方式，提升午餐时段客流量。

类似的例子还有很多，比如蛙小侠将门店产品结构调成“牛蛙+砂锅菜”；专做酸菜鱼的鱼你在一起也新增了砂锅菜产品；遇见小面增加了安格斯肥牛饭等米饭套餐；绝味食品开始卖奶茶；周黑鸭在部分门店增加卤味快餐……

老板要调整产品结构，需要结合品牌的品类特性，新增与所属品类能够搭配的产品，组成新的产品结构。这个新的产品结构要尽可能地扩大产品适应的时段，匹配不同的消费场景和客群。

但同时，调整产品结构也要注意考虑成本和效益。比如，原有的供应链等是否能满足产品结构的延展；餐厅是否因为增加产品，导致人力、运营等成本快速上升，增加的营收无法覆盖成本等。

三、SKU数量：看门店大小和顾客购买率

调整产品结构，尤其是增设新产品线、产品组合时，一定要注意控制餐厅整体SKU数量，因为它会直接影响到餐厅的运营效率、成本控制和顾客满意度。

这里有一个需要注意的点，单纯看SKU的数字是没有意义的，要根据门店大小和顾客购买率来确定SKU的数量。

从门店面积来考虑，SKU数量要适配营业面积，且确保厨师能够应付得来。罗妈砂锅创始人杨勇就曾表示，小店的SKU需要控制在20~30个，一些相对极致单品型小店，会压缩到10个以内。

比如甘食记在开设mini店时，就从原菜单中挑选了销量排名前30%的产品进行优化组合，最终将原来的24个常规菜品缩减到10个。

从顾客购买率来看，假设一家餐厅有100个SKU，但通常一桌客人一次就点4~10个菜。即便是常客，也很少会将店里上百道菜全都体验一遍，常点的菜品可能在30个左右。

这意味着，这家餐厅近半产品点单率低，但成本并不会减少，而且过多的SKU数量会增加采购、存储和废弃成本，导致库存管理复杂。

出于降本增效的需要，很多餐厅都在精简SKU。知名川菜品牌眉州东坡，2024年就在不断缩减SKU，眉州东坡很多新开的门店SKU从原来的100个，精简为30多个。

在此过程中，餐饮老板需要注意几个数据。比如利润率：分析每个SKU的利润率，看是否有一些SKU的利润率明显偏低。库存周转率：单个SKU在特定时间段内的销售速度和库存周转效率，即‌SKU周转率=销售数量/平均库存。

无论是精简还是增加SKU，老板都应该优先关注高利润率以及高周转率的SKU。

四、产品上新：关注新品的成本和投资回报

产品上新也是门店保持活力、不断吸引顾客的重要因素。餐饮老板首先要明确餐厅的目标市场和顾客群体，不同类型的客群对于新品的需求和偏好不同，可以通过门店过往销售数据、市场热销数据等，来观察门店顾客对口味、食材、产品的偏好，以此作为参考依据，来确定餐厅的上新频率、产品等。

基于顾客的差异化需求，不同品类的餐厅，产品上新的周期和频率也是不一样的。

以新茶饮行业为例，消费者对产品的新鲜感要求很高，也倒逼着茶饮店不断推新品。像喜茶、霸王茶姬、茶百道等品牌，都保持着最少一个月上新1次的频率。有上新速度快的品牌，一年就能推出上百款新品。

而像快餐等刚需品类，顾客通常期望能够在短时间内得到食物，对菜单的熟悉度较高。因此大部分快餐品牌的上新频率会相对低一些，可能2~3个月上新一次。

在上新前，老板既要保持对顾客的关注，也要对新品的成本和投资回报进行测算。

目前，不少餐饮品牌上新前都会做相应的市场调研。诸如海底捞、兰湘子、探鱼、匠子烤鱼、蔡澜点心……在产品上新前会做试吃会，收集顾客对新菜品的反馈，了解其受欢迎程度和改进建议；或是先在部分门店或特定区域进行小范围试销，观察市场反应。

当然，消费者喜爱只是一方面，餐饮老板还要对成本和投资回报进行估算。成本估算即详细计算新菜品的原材料、人力成本和其他相关费用。投资回报则是评估新菜品的投资回报率（ROI），即ROI=（利润 / 投资成本）×100%。

通过对新品成本和投资回报的详细测算，餐厅老板可以决定是否推出该新品、如何定价、如何控制成本等，以确保新品能够为餐厅带来利润并提升餐厅的整体效益。

五、写在最后

餐饮经营中，产品是基础，也是本质。好的产品设计和管理，能提升餐厅的竞争力、顾客满意度和盈利能力。

在当前这个顾客“既要又要还要”的时代，餐厅提供的产品要做的不只是合格，而是优质。

本文来自微信公众号：红餐网，作者：李金枝，编辑：方圆

星辉平台注册：深度拆解：DeepSeek-V3是怎么训练的

Tue, 31 Dec 2024 07:15:12 +0800

这两天，DeepSeek-V3 低调发布，在国际上狠狠秀了一波肌肉：只用了 500 多万美金的成本，带来了不输 Claude 3.5 的成绩，并开源！　

下面，让我们以更加系统的方式，来看看这次的 DeepSeek-V3，是这么炼成的。本文将从性能、架构、工程、预训练和后训练五个维度来拆解 V3，所用到的图表、数据源于技术报告：《DeepSeek-V3 Technical Report》。　

性能

DeepSeek-V3 的性能优势，在各项基准测试中得到了充分验证。　

如图，DeepSeek-V3 在 MMLU-Pro、GPQA-Diamond、MATH 500、AIME 2024、Codeforces (Percentile) 和 SWE-bench Verified 等涵盖知识理解、逻辑推理、数学能力、代码生成以及软件工程能力等多个维度的权威测试集上，均展现出了领先或极具竞争力的性能。特别是在 MATH 500 和 AIME 2024 这类考察高级数学推理能力的测试中，DeepSeek-V3 的表现尤为突出，大幅超越其他模型。　

在与 DeepSeek-V2-Base、Qwen2.5 72B Base 和 LLaMA-3.1 405B Base 等开源基础模型的对比中，DeepSeek-V3-Base 在 BBH、MMLU 系列、DROP、HumanEval、MBPP、LiveCodeBench-Base、GSM8K、MATH、MGSM、CMath 等几乎所有任务上均取得最佳成绩。　

经过指令微调后，DeepSeek-V3 的性能进一步提升。在与包括 GPT-4o、Claude-3.5-Sonnet 在内的多个顶尖模型的对比中，DeepSeek-V3 在 MMLU、MMLU-Redux、DROP、GPQA-Diamond、HumanEval-Mul、LiveCodeBench、Codeforces、AIME 2024、MATH-500、CNMO 2024、CLUEWSC 等任务上，均展现出与其相当甚至更优的性能。　　

并且，这么棒的数据，总成本只需要约 550 万美金：如果是租 H800 来搞这个（但我们都知道，DeepSeek 背后的幻方，最不缺的就是卡）。　

架构

DeepSeek-V3 的这次发布，伴随三项创新：Multi-head Latent Attention (MLA)、DeepSeekMoE 架构以及无额外损耗的负载均衡策略。　

Multi-head Latent Attention (MLA)：高效处理长文本

MLA 通过将 Key (K) 和 Value (V) 联合映射至低维潜空间向量 (cKV)，显著降低了 KV Cache 的大小，从而提升了长文本推理的效率。DeepSeek-V3 中 MLA 的 KV 压缩维度 (dc) 设置为 512，Query 压缩维度 (d') 设置为 1536，解耦 Key 的头维度 (dr) 设置为 64。这种设计在保证模型性能的同时，大幅减少了显存占用和计算开销。　

DeepSeekMoE 架构：稀疏激活，高效扩展

DeepSeek-V3 采用的 DeepSeekMoE 架构，通过细粒度专家、共享专家和 Top-K 路由策略，实现了模型容量的高效扩展。每个 MoE 层包含 1 个共享专家和 256 个路由专家，每个 Token 选择 8 个路由专家，最多路由至 4 个节点。这种稀疏激活的机制，使得 DeepSeek-V3 能够在不显著增加计算成本的情况下，拥有庞大的模型容量。　

无额外损耗的负载均衡：MoE 的关键优化

DeepSeek-V3 提出了一种创新的无额外损耗负载均衡策略，通过引入并动态调整可学习的偏置项 (Bias Term) 来影响路由决策，避免了传统辅助损失对模型性能的负面影响。该策略的偏置项更新速度 (γ) 在预训练的前 14.3T 个 Token 中设置为 0.001，剩余 500B 个 Token 中设置为 0.0；序列级平衡损失因子 (α) 设置为 0.0001。　

以上图（报告第 28 页，图9）中的数据为例，使用了该策略的训练模型在不同领域的专家负载情况，相比于添加了额外负载损失(Aux-Loss-Based)的模型，分工更为明确，这表明该策略能更好地释放MoE的潜力。　

工程

DeepSeek-V3 的这次发布，伴随多项工程优化贯穿了流水线并行、通信优化、内存管理和低精度训练等多个方面。　

DualPipe 流水线并行：双向奔赴，消弭气泡

DeepSeek-V3 采用了一种名为 DualPipe 的创新流水线并行策略。与传统的单向流水线 (如 1F1B) 不同，DualPipe 采用双向流水线设计，即同时从流水线的两端馈送 micro-batch。这种设计可以显著减少流水线气泡 (Pipeline Bubble)，提高 GPU 利用率。　

此外，DualPipe 还将每个 micro-batch 进一步划分为更小的 chunk，并对每个 chunk 的计算和通信进行精细的调度。通过巧妙地编排计算和通信的顺序，实现了两者的高度重叠。　

单个 forward 和 backward chunk 的重叠策略（原报告第 12页）。如图，如何将一个 chunk 划分为 attention、all-to-all dispatch、MLP 和 all-to-all combine 等四个组成部分，并通过精细的调度策略，使得计算和通信可以高度重叠。其中，橙色表示 forward，绿色表示 "backward for input"，蓝色表示 "backward for weights"，紫色表示 PP communication，红色表示 barriers。　

8 个 PP rank 和 20 个 micro-batch 的 DualPipe 调度示例（原报告第 13页）。通过在 8 个 PP rank 上，20 个 micro-batch 的 DualPipe 调度情况，可以看到，通过双向流水线的设计，以及计算和通信的重叠，流水线气泡被显著减少，GPU 利用率得到了极大提升。　

DualPipe 在流水线气泡数量和激活内存开销方面均优于 1F1B 和 ZeroBubble 等现有方法。（原报告第 13页）　

通信优化：多管齐下，突破瓶颈

跨节点 MoE 训练的一大挑战是巨大的通信开销。DeepSeek-V3 通过一系列精细的优化策略，有效地缓解了这一瓶颈。　

节点限制路由 (Node-Limited Routing): 将每个 Token 最多路由到 4 个节点，有效限制了跨节点通信的范围和规模。

定制化 All-to-All 通信内核： DeepSeek 团队针对 MoE 架构的特点，定制了高效的跨节点 All-to-All 通信内核。这些内核充分利用了 IB 和 NVLink 的带宽，并最大程度地减少了用于通信的 SM 数量。

Warp 专业化 (Warp Specialization): 将不同的通信任务 (例如 IB 发送、IB-to-NVLink 转发、NVLink 接收等) 分配给不同的 Warp，并根据实际负载情况动态调整每个任务的 Warp 数量，实现了通信任务的精细化管理和优化。

自动调整通信块大小：通过自动调整通信块的大小，减少了对 L2 缓存的依赖，降低了对其他计算内核的干扰，进一步提升了通信效率。

内存管理：精打细算，极致利用

DeepSeek-V3 在内存管理方面也做到了极致，通过多种策略最大程度地减少了内存占用。　

RMSNorm 和 MLA 上投影的重计算 (Recomputation): 在反向传播过程中，DeepSeek-V3 会重新计算 RMSNorm 和 MLA 上投影的输出，而不是将这些中间结果存储在显存中。这种策略虽然会略微增加计算量，但可以显著降低显存占用。

CPU 上的 EMA (Exponential Moving Average): DeepSeek-V3 将模型参数的 EMA 存储在 CPU 内存中，并异步更新。这种策略避免了在 GPU 上存储 EMA 参数带来的额外显存开销。

共享 Embedding 和 Output Head: 在 MTP 模块中，DeepSeek-V3 将 Embedding 层和 Output Head 与主模型共享。这种设计减少了模型的参数量和内存占用。

FP8 低精度训练：精度与效率的平衡

DeepSeek-V3 通过 FP8 混合精度训练，在保证模型精度的同时，大幅降低显存占用并提升训练速度。　

选择性高精度：对于模型中对精度较为敏感的组件 (例如 Embedding、Output Head、MoE Gating、Normalization、Attention 等)，DeepSeek-V3 仍然采用 BF16 或 FP32 进行计算，以保证模型的性能。（图 7，来自原报告第 15 页）

细粒度量化 (Fine-Grained Quantization): DeepSeek-V3 没有采用传统的 per-tensor 量化，而是采用了更细粒度的量化策略：对激活值采用 1x128 tile-wise 量化，对权重采用 128x128 block-wise 量化。这种策略可以更好地适应数据的分布，减少量化误差。（图 7a，来自原报告第 16 页）

提高累加精度：为了减少 FP8 计算过程中的精度损失，DeepSeek-V3 将 MMA (Matrix Multiply-Accumulate) 操作的中间结果累加到 FP32 寄存器中。（图 7b，来自原报告第 16 页）

低精度存储和通信：为了进一步降低显存占用和通信开销，DeepSeek-V3 将激活值和优化器状态以 FP8 或 BF16 格式进行存储，并在通信过程中也使用这些低精度格式。（图 10，来自原报告第 47 页）

预训练

DeepSeek-V3 的训练策略涵盖了数据构建、分词其、超参数设置、长上下文扩展和多 Token 预测等多个方面。　

数据构建

DeepSeek-V3 的预训练语料库规模达到了 14.8 万亿 Token，这些数据经过了严格的筛选和清洗，以确保其高质量和多样性。相比于前代模型 DeepSeek-V2，新模型的数据构建策略更加精细。首先，大幅提升了数学和编程相关数据在整体数据中的占比，这直接增强了模型在相关领域的推理能力，使其在 MATH 500、AIME 2024 等数学基准测试和 HumanEval、LiveCodeBench 等代码基准测试中表现突出。其次，进一步扩展了多语言数据的覆盖范围，超越了传统的英语和中文，提升了模型的多语言处理能力。　

为了保证数据质量，DeepSeek 开发了一套完善的数据处理流程，着重于最小化数据冗余，同时保留数据的多样性。此外，他们还借鉴了近期研究 (https://arxiv.org/abs/2404.10830，Ding et al.， 2024) 中提出的文档级打包 (Document Packing) 方法，将多个文档拼接成一个训练样本，避免了传统方法中由于截断导致的上下文信息丢失，确保模型能够学习到更完整的语义信息。　

分词器与词表：兼顾效率与准确性

DeepSeek-V3 采用了基于字节级 BPE (Byte-level BPE) 的分词器，并构建了一个包含 128K 个 token 的词表。为了优化多语言的压缩效率，DeepSeek 对预分词器 (Pretokenizer) 和训练数据进行了专门的调整。　

与 DeepSeek-V2 相比，新的预分词器引入了将标点符号和换行符组合成新 token 的机制。这种方法可以提高压缩率，但也可能在处理不带换行符的多行输入 (例如 few-shot 学习的 prompt) 时引入 token 边界偏差 (Token Boundary Bias) (Lundberg， 2023)。为了减轻这种偏差，DeepSeek-V3 在训练过程中以一定概率随机地将这些组合 token 拆分开来，从而让模型能够适应更多样化的输入形式，提升了模型的鲁棒性。　（下图来自 Token Boundary Bias 的原文）

模型配置与超参数

DeepSeek-V3 的模型配置和训练超参数都经过了精心的设计和调优，以最大化模型的性能和训练效率。　

1. 模型配置：

DeepSeek-V3 的 Transformer 层数设置为 61 层，隐藏层维度为 7168。所有可学习参数均采用标准差为 0.006 的随机初始化。在 MLA 结构中，注意力头的数量 (nh) 设置为 128，每个注意力头的维度 (dh) 为 128，KV 压缩维度 (dc) 为 512，Query 压缩维度 (d') 为 1536，解耦的 Key 头的维度 (dr) 为 64。除了前三层之外，其余的 FFN 层均替换为 MoE 层。每个 MoE 层包含 1 个共享专家和 256 个路由专家，每个专家的中间隐藏层维度为 2048。每个 Token 会被路由到 8 个专家，并且最多会被路由到 4 个节点。多 Token 预测的深度 (D) 设置为 1，即除了预测当前 Token 之外，还会额外预测下一个 Token。此外，DeepSeek-V3 还在压缩的潜变量之后添加了额外的 RMSNorm 层，并在宽度瓶颈处乘以了额外的缩放因子。　

2. 训练超参数：

DeepSeek-V3 采用了 AdamW 优化器，β1 设置为 0.9，β2 设置为 0.95，权重衰减系数 (weight_decay) 设置为 0.1。最大序列长度设置为 4K。学习率方面，采用了组合式的调度策略：在前 2K 步，学习率从 0 线性增加到 2.2 × 10^-4；然后保持 2.2 × 10^-4 的学习率直到模型处理完 10T 个 Token；接下来，在 4.3T 个 Token 的过程中，学习率按照余弦曲线 (Cosine Decay) 逐渐衰减至 2.2 × 10^-5；在最后的 500B 个 Token 中，学习率先保持 2.2 × 10^-5 不变 (333B 个 Token)，然后切换到一个更小的常数学习率 7.3 × 10^-6 (167B 个 Token)。梯度裁剪的范数设置为 1.0。Batch Size 方面，采用了动态调整的策略，在前 469B 个 Token 的训练过程中，Batch Size 从 3072 逐渐增加到 15360，并在之后的训练中保持 15360 不变。　

为了实现 MoE 架构中的负载均衡，DeepSeek-V3 采用了无额外损耗的负载均衡策略，并将偏置项的更新速度 (γ) 在预训练的前 14.3T 个 Token 中设置为 0.001，在剩余的 500B 个 Token 中设置为 0.0。序列级平衡损失因子 (α) 设置为 0.0001，以避免单个序列内的极端不平衡。多 Token 预测 (MTP) 损失的权重 (λ) 在前 10T 个 Token 中设置为 0.3，在剩余的 4.8T 个 Token 中设置为 0.1。　

长上下文扩展与多 Token 预测：锦上添花

为了使 DeepSeek-V3 具备处理长文本的能力，DeepSeek 采用了两阶段的训练策略，将模型的上下文窗口从 4K 逐步扩展到 128K。他们采用了 YaRN (Peng et al.， 2023a) 技术，并将其应用于解耦的共享 Key (k)。在长上下文扩展阶段，DeepSeek-V3 的超参数保持不变：scale 设置为 40，β 设置为 1，ρ 设置为 32，缩放因子设置为 0.1 ln n + 1。　

第一阶段 (4K -> 32K): 序列长度设置为 32K，Batch Size 设置为 1920，学习率设置为 7.3 × 10^-6。

第二阶段 (32K -> 128K): 序列长度设置为 128K，Batch Size 设置为 480，学习率设置为 7.3 × 10^-6。

上图（报告第 23 页）的 "Needle In A Haystack" (NIAH) 测试结果清晰地展示了 DeepSeek-V3 在处理长文本方面的卓越能力。　

此外，DeepSeek-V3 还采用了多 Token 预测 (MTP) 策略 (2.2 节，第 10 页)，要求模型在每个位置预测未来的多个 Token，而不仅仅是下一个 Token。图 3 (第 10 页) 详细展示了 MTP 的实现方式。　

这种策略增强了模型的预见能力，并提供了更丰富的训练信号，从而提升了训练效率。表 4 (第 26 页) 的消融实验结果证明了 MTP 策略的有效性。　

后训练

DeepSeek-V3 的后训练 (Post-Training) 阶段，包括有监督微调 (Supervised Fine-Tuning， SFT) 和强化学习 (Reinforcement Learning， RL) 两个步骤。　

有监督微调 (SFT)

SFT 阶段，DeepSeek-V3 在一个包含 1.5M 指令-响应对的高质量数据集上进行了微调。该数据集涵盖了多种任务类型和领域，并采用了不同的数据构建策略，以最大程度地激发模型的潜能。　

数据构建策略　

推理数据 (Reasoning Data): 对于数学、代码、逻辑推理等需要复杂推理过程的任务，DeepSeek 采用了基于 DeepSeek-R1 模型生成的高质量推理数据。DeepSeek-R1 模型在推理任务上表现出色，但其生成的响应往往存在过度推理、格式不规范、长度过长等问题。为了兼顾 R1 模型生成数据的高准确性与标准答案的简洁性，SFT 阶段的数据构建采用了以下策略：

对于每个问题，生成两种类型的 SFT 样本：

在后续的 RL 阶段，模型会利用高温采样 (High-Temperature Sampling) 生成多样化的响应，这些响应会融合 R1 生成数据和原始数据中的模式，即使在没有明确系统提示的情况下，也能生成高质量的响应。

经过数百步的 RL 训练后，中间的 RL 模型会逐渐学会融入 R1 模型的推理模式，从而提升整体性能。

最后，利用训练完成的 RL 模型进行拒绝采样 (Rejection Sampling)，生成高质量的 SFT 数据，用于最终模型的训练。

<问题，原始响应>：将问题与 R1 模型生成的原始响应直接配对。
<系统提示，问题， R1 响应>：将问题与 R1 模型的响应配对，并在问题前添加一个精心设计的系统提示 (System Prompt)。该系统提示旨在引导模型生成更符合人类偏好的响应，例如更简洁、更易懂的格式。

表 9 (第 34 页) 展示了从 DeepSeek-R1 蒸馏知识对性能的提升。可以看到，在 LiveCodeBench-CoT 和 MATH-500 任务上，经过 R1 蒸馏后，模型的 Pass@1 指标分别提升了 6.3 和 8.6 个百分点，证明了该策略的有效性。

非推理数据 (Non-Reasoning Data): 对于创意写作、角色扮演、简单问答等非推理类任务，则利用 DeepSeek-V2.5 生成响应，并由人工进行标注和校验，以确保数据的准确性和可靠性。

训练细节：　

训练轮数 (Epochs): 2

学习率调度 (Learning Rate Schedule): Cosine 衰减，从 5 × 10^-6 逐步降低至 1 × 10^-6。

样本掩码 (Sample Masking): 为了避免不同样本之间的相互干扰，SFT 阶段采用了样本掩码策略，确保每个样本的训练都是独立的。

强化学习 (RL)

为了使 DeepSeek-V3 更好地对齐人类偏好，DeepSeek 采用了强化学习 (RL) 技术，并构建了基于规则的奖励模型 (Rule-Based RM) 和基于模型的奖励模型 (Model-Based RM) 相结合的奖励机制。　

基于规则的奖励模型 (Rule-Based RM): 对于可以通过明确规则进行判别的任务 (例如数学题、编程题)，采用基于规则的奖励模型。例如，对于数学题，可以设定规则检查最终答案是否正确；对于编程题，可以利用编译器进行测试用例验证。这种方式可以提供准确且稳定的奖励信号。

基于模型的奖励模型 (Model-Based RM): 对于难以通过规则进行判别的任务 (例如开放式问答、创意写作)，则采用基于模型的奖励模型。该模型基于 DeepSeek-V3 SFT 阶段的检查点进行训练，并采用了一种特殊的训练数据构建方式：

偏好数据构建：构建的偏好数据不仅包含最终的奖励值，还包括了得出该奖励值的思维链 (Chain-of-Thought)，这有助于提升奖励模型的可靠性，并减少特定任务上的奖励“hack”现象。
模型输入：对于有明确答案的任务，模型输入为问题和生成的响应；对于没有明确答案的任务，模型仅输入问题和对应的响应。
模型判断：对于有明确答案的任务，模型判断响应是否与正确答案匹配；对于没有明确答案的任务，模型根据问题和响应给出综合评价。

作为奖励模型，在 RewardBench 上的表现上，DeepSeek 多个方面超越或持平 GPT-4o 和 Claude-3.5-sonnet。　　

RL 过程中，DeepSeek-V3 采用了 Group Relative Policy Optimization (GRPO) 算法 (原报告第 30 页) 。与传统的 PPO 算法不同，GRPO 不需要一个单独的 Critic 模型来估计 Value 函数，而是通过比较一组样本的奖励来估计 Advantage。具体流程如下：　

对于每个问题 q，从当前的策略模型 π_old 中采样一组 K 个响应 {y_1， y_2， ...， y_K}。
利用奖励模型对每个响应进行评分，得到对应的奖励 {r_1， r_2， ...， r_K}。
计算每个响应的 Advantage 值：A_i = (r_i - mean(r)) / std(r)，其中 mean(r) 和 std(r) 分别表示该组奖励的均值和标准差。
根据以下目标函数更新策略模型 π_θ：
[公式 26 和 27 (第 30 页)]
其中，π_ref 是参考模型 (通常是 SFT 阶段的模型)，β 和 ε 是超参数。

数据配比

在后训练过程中，DeepSeek-V3 整合了多种类型的数据，数据来源和配比如下：　

1. 数学推理类数据：主要来自 DeepSeek-R1 模型生成的数学题解题步骤和逻辑推理过程。这类数据在后训练阶段占比约为 25%。

2. 代码生成类数据：包括了从开源代码库中精选的代码片段，以及利用 DeepSeek-R1 模型生成的代码补全和代码解释数据。这类数据占比约为 20%。

3. 通用领域对话数据：涵盖了开放域问答、创意写作、角色扮演等多种任务类型，主要利用 DeepSeek-V2.5 生成，并经过人工校验。这类数据占比约为 45%。

4. 安全和伦理类数据：包含了用于提升模型安全性和符合伦理规范的指令和响应数据，占比约为 10%。

本文来自微信公众号：赛博禅心，作者：金色传说大聪明

星辉娱乐登录：全球首个半潜式漂浮近海风电场秀成绩：4 年总发电量达 320 GWh，可满足 2.5 万户家庭每年用电

Sat, 07 Sep 2024 07:15:05 +0800

IT之家 9 月 6 日消息，科技媒体 newatlas 昨日（9 月 5 日）发布博文，报道称全球首个半潜式漂浮近海风电场发电量超出预期，4 年运营总发电量达 320 GWh，足够每年为约 25000 个家庭供电。

WindFloat Atlantic 项目是世界上首个半潜式漂浮近海风电场，位于葡萄牙海岸附近，由三个浮动平台组成，每个平台上安装一台 8.4 MW 的 Vestas 涡轮机。

这些半潜式平台用链条固定在海面以下 328 英尺（100 米）处的海底，以防止它们漂走，并通过一条 12.4 英里（20 公里）长的电缆与葡萄牙维亚纳・多科斯特洛（Viana do Costelo）的变电站相连。

2022 年，该项目的发电量为 7800 万千瓦时，而 2023 年的数字更高，达到了 8000 万千瓦时。

IT之家注：半潜式浮动风力发电场具有独特的优势，可以放置在对传统的底部固定式涡轮机来说太深的水域中，而传统的底部固定式涡轮机只能放置在水深约 150-200 英尺（50-60 米）的水域中。

而且随着距离海岸越来越远，风力也会越来越强、越来越稳定，这使得涡轮机在利用风能方面比陆地上的涡轮机更有效率。由于平台部分浸没在水下，具有三管齐下的主动压载系统，因此在波涛汹涌的海面上更加稳定，也提高了效率。

2023 年，Windfloat Atlantic 在一场时速 86 英里（139 公里）的大风和 65 英尺（20 米）的巨浪中幸存下来，证明了离岸发电系统的坚固性。

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。

星辉平台官方：江苏连云港一地发现无名女尸？派出所：顺水漂过来的，民警在现场调查

Tue, 27 Aug 2024 07:15:08 +0800

江苏连云港一地发现无名女尸？派出所：顺水漂过来的，民警在现场调查

潇湘晨报

2024-08-26 15:18发布于湖南潇湘晨报官方账号

“五队大闸下面的人，不知道怎么死的。”8月26日，有网友发文称，江苏连云港一地发现尸体，已报警。

该网友发布的图片显示，河道旁趴着一具尸体。他在评论区里透露，事发地点是江苏连云港，早上去街上看到的，是一名女性，已经有人报警，警方已介入。

8月26日，潇湘晨报记者联系到堆沟派出所求证此事。一名工作人员表示，目前民警正在现场调查，是否是刑事案件等情况暂不清楚。“据说是顺着水流淌过来的。”

潇湘晨报记者周凌如

查看原图 151K