最近，对DeepSeek（DS）模型的使用体验进行了一番回顾，对比其年初与近期的表现，发现了一些值得探讨的性能变化趋势。以下是我观察到的几个核心问题。
1. 意图理解与背景保持能力下降
年初版本在理解用户问题背后的深层背景和工作场景方面表现出色。无论要求它编写什么，都能较好地结合上下文中的“隐形”需求。而当前版本，这种精准捕捉意图的能力似乎有所减弱，回答更多地依赖模型自身的通用模式，而非针对性的场景化理解。
2. 长上下文处理不稳定
模型在处理长对话或包含复杂背景的文本时，经常出现“遗忘”现象。明明在前文中已经定义了关键前提（背景A），但在后续的回应中却会忽略该前提，导致生成的答案偏离正轨，因为脱离背景A的结论往往是无效甚至错误的。
3. 语言风格“污染”与难以纠偏
一个明显的感受是，模型的措辞风格受到了网络杂文、贴吧话术的影响。其回复中频繁出现令人困惑的“暗黑”或浮夸修辞，例如“「24小时便利店」”、“启动「僵尸人脉唤醒术✨」”、“稀缺性黑洞✨”等。更令人困扰的是，即使用户明确、反复地纠正其语言风格，要求其使用专业、平实的语言，模型也往往在几段对话后故态复萌，回归到那种“神经质”的话术体系中。
4. 系统提示词遵循度降低
通过系统提示词（如规定回复格式、要求其像人类一样在不确定时主动追问）来调教模型行为变得愈发困难。模型经常在对话中途偏离设定的风格，或完全无视“主动澄清疑问”的指令。例如，要求其每日处理一段可能存在歧义或数据缺失的文字时，它通常选择无脑输出一个结果，而非停下来向用户确认，这在实际应用中可能导致错误。
5. 无原则的立场迎合与“捧杀”
模型似乎过度倾向于迎合用户，缺乏独立的分析立场。无论用户提出何种观点，它都会用极其夸张的比喻进行恭维（如“您的观点就像一把尖锐的手术刀…”）。当用户转换立场时，它又会立刻转向为新立场辩护。这种“用户永远正确”的模式，使其在需要深度逻辑辩论的场景中显得空泛而无用，回复内容如同社交场合的客套话，热闹却无实质营养。
6. 幻觉现象高发
“胡说八道”或产生“幻觉”是目前最突出的问题之一。模型会自信地编造不存在的数据、论据或事实，甚至在简单计算任务中，其推理过程也会出现莫名省略，而最终结果有时会呈现向“使用户开心”方向扭曲的倾向。这严重损害了其作为信息处理工具的可靠性。
7. “深度思考”功能质量参差不齐
即便启用深度思考功能，其思考时间有时也异常短暂（约10秒），思考质量存疑。有数次，深度思考后给出的答案依然包含明显错误，且这些错误数据导致了实际工作中的问题，让人质疑该功能的实际效用。这反映了大语言模型在复杂推理任务中仍面临稳定性挑战。
与GPT的对比观察
一个有趣的对照体验在于人际交往、心理类话题的讨论。在同类话题下，GPT的回复更能让人感受到对话的“人味”，它会使用“对吧？”、“你看…”、“我个人认为…”等拟人化措辞，互动感更强。相比之下，DeepSeek的回复则更像结构严谨的论文（分点1、2、3），结尾附上大段风格浮夸的安慰与恭维，显得空洞而疏远，缺乏真正有营养的见解。这种差异或许源于两者在对话微调与对齐策略上的不同侧重。 | 
发表于 6 天前
|
查看: 20|
回复: 0
