如何给自己网站做优化如何做市场调研和分析

1.什么是蒸馏 ？

知识蒸馏（Knowledge Distillation）最早由Hinton等人在2015年提出，主要用于压缩模型。

本质上也是微调的一种类型。传统微调是为了让大模型获取一些私域知识，比如股票、医疗等等，这是让大模型的知识面增加了，但没有改变大模型的能力。而蒸馏不一样，蒸馏不光教知识，还要教能力。所谓授之以鱼，不如授之以渔，蒸馏就是要让被训练的模型能够学会教师模型的能力。

教师模型：参数量大、性能强，但计算成本高（比如：DeepSeek R1 满血版本）。
学生模型：结构更简单、参数量少，目标是尽可能复现教师模型的输出（比如：有思维链的小模型 ）。

2.适用于哪些场景 ？

• 降低部署成本：将千亿参数模型压缩到十亿甚至更小，适用于移动端、边缘设备。
• 加速推理：小模型响应更快，适合实时应用（如聊天机器人）。
• 减少能耗：适合资源受限的环境（如物联网设备）。
• 领域适配：通过蒸馏将通用大模型的能力迁移到垂直领域的小模型。

3.示例：新闻分类

整体流程

1）第一步：准备原始数据

新闻分类：《美国队长4》被调侃为《关云长4：周仓传》
新闻分类：特朗普与泽连斯基在白宫举行会谈时爆发激烈争吵
....

2）第二步：写prompt，让DeepSeek R1 将思考过程及结果都打印出来

system = """
你是一个新闻分类器，擅长根据新闻标题识别新闻的类型，新闻种类包括：政治、经济、科技、娱乐、体育、教育、健康、国际、国内、社会。用户会在需要进行分类的新闻标题前加入"新闻分类："字样，你需要给出该新闻的种类。要求包含思考过程和最终答案。#要求格式：
<think>
思考过程（分步骤解释如何从给定信息中推导出答案）
</think>答案（政治、经济、科技、娱乐、体育、教育、健康、国际、国内、社会中的某一种）#示例1：
human: 新闻分类：给力！中国两次出手，美到手的订单黄了，该国从此只认中国制造！
gpt:
<think>
首先，我需要分析给出的新闻标题：“给力！中国两次出手，美到手的订单黄了，该国从此只认中国制造！”
接下来，根据标题内容进行分类。标题中提到了中国两次行动导致美国订单出现问题，并且其他国家开始依赖中国制造，说明这涉及国家之间的经济合作和社会影响。
结合新闻种类，考虑到涉及国际贸易和经济合作，最合适的分类是“经济”。所以，这条新闻应该归类到“经济”类别中。
</think>经济
"""

3）第三步：写代码将 原始数据喂给 DeepSeek R1 ，并获取到思考过程及结果

completion = client.chat.completions.create(model="deepseek-r1",messages=[{'role': 'system', 'content': system},{'role': 'user', 'content': '新闻分类：《美国队长4》被调侃为《关云长4：周仓传》'},]
)# 通过reasoning_content字段打印思考过程
print("<think>")
print(completion.choices[0].message.reasoning_content)
print("</think>")# 通过content字段打印最终答案
print(completion.choices[0].message.content)

结果示例：

<think>
首先，我需要分析用户提供的新闻标题：“《美国队长4》被调侃为《关云长4：周仓传》”。标题中提到了《美国队长4》，这是一部著名的超级英雄电影，属于娱乐产业的内容。此外，标题提到该电影被调侃为《关云长4：周仓传》，后者可能涉及对中国传统故事或影视作品的戏仿，这种调侃通常出现在娱乐新闻
中，用于吸引观众注意或制造话题。接下来，考虑新闻分类的选项：政治、经济、科技、娱乐、体育、教育、健康、国际、国内、社会。这里的关键词是电影名称和调侃，明显与影视娱乐相关，没有涉及其他如经济、政治或科技的元素。因此，最合适的分类应为“娱乐”。
</think>娱乐

4）第四步：生成教学数据，只需要再将这条教学数据包装成问答对的形式即可。格式如下：

[{"conversations": [{"from": "human","value": "新闻分类：《美国队长4》被调侃为《关云长4：周仓传》"},{"from": "gpt","value": "<think>\n首先，我需要分析用户提供的新闻标题：“《美国队长4》被调侃为《关云长4：周仓传》”。标题中提到了《美国队长4》，这是一部著名的超级英雄电影，属于娱乐产业的内容。此外，标题提到该电影被调侃为《关云长4：周仓传》，后者可能涉及对中国传统故事或影视作品的戏仿，这种调侃通常出现在娱乐新闻中，用于吸引观众注意或制造话题。\n\n接下来，考虑新闻分类的选项：政治、经济、科技、娱乐、体育、教育、健康、国际、国内、社会。这里的关键词是电影名称和调侃，明显与影视娱乐相关，没有涉及其他如经济、政治或科技的元素。因此，最合适的分类应为“娱乐”\n</think>\n\n娱乐"}]}
]

5）第五步：微调与测试
微调的方式，可以爬楼看一下，我以往教程
微调后，小模型也有了思维链、推理过程：