DeepSeek的技术创新是其燎原之势的关键所在。报告详细引见了DeepSeek在多个技术范畴的打破，包括打破CUDA标准库壁垒，为非英伟达算力芯片提供机会；采用思想链提升逻辑功能，完成模型的顿悟时辰；以及知识蒸馏与MOE（Mixture of Experts）的结合，证明小规模高质量数据远胜低质量大规模数据等。这些技术创新不只提升了DeepSeek的功能和效率，还为整个AI行业的发展提供了新的思绪和方向。
微调是提高人工智能模型功能的重要手腕之一。报告中引见了两种大模型微调技术：LoRA（Low-Rank Adaptation of Large Language Models）和Backbone。LoRA经过仅训练低秩矩阵，然后将这些参数注入到原始模型中，从而完成模型的微调，这种方法分明减少了所需的训练资源，特别合适在资源有限的环境中运用。Backbone微调则是经过设计一个专业的骨架模型，将其装载在基础模型的输入端，在微调训练时，基础模型的参数冻结，只训练骨架模型。这种微调的方法非常适用，不同的骨架模型可以完成不同的专业场景义务，推理时只需切换不同的骨架模型即可。经过这些微调技术，DeepSeek可以更好地顺应不同的运用场景和用户需求，从而进一步提升其功能和适用性。