系统性分析 DeepSeek 2023–2026 全部重要论文。从 MLA 低秩压缩到 MoE 专家路由，从 GRPO 强化学习到视觉因果流，沉淀为一份可本地打开、可检索、可细读的数字长卷。
三个并行推进的切面，覆盖架构、推理与多模态。每条路径都在回答同一个问题：AI 如何在压缩与稀疏中获得更强的推理与更长的记忆。
解码 MLA 低秩压缩、DeepSeekMoE 细粒度专家、Loss-Free 负载均衡与 mHC 流形约束。
在长卷中查看从 DeepSeekMath 到 R1 的纯 RL 激励、GRPO 与自验证推理，复盘推理能力的涌现路径。
在长卷中查看解耦视觉编码、视觉因果流与光学压缩，探索如何用视觉承载百万 token 的记忆。
在长卷中查看内容即 Markdown。新增一篇，只需在 2026/ 下放一个 .md，运行 node scripts/build.mjs。框架无需改动。
提示：点卡片在右侧长卷中阅读（支持 j/k 上一篇/下一篇，Esc 关闭，hash 可分享）。双击 .md 文件不再乱码——请通过本长卷阅读，或 npx serve . 启动本地服务。
从 DeepSeek LLM 到 V4，沿着架构、推理与多模态三条经脉展开。点击节点直接进入对应长卷。
DeepSeek 官方发布与重要公告。
内容与框架分离：你只需关心研究，框架可独立演进。本地拉取后 npx serve . 即可获得与线上一致的交互。
my-paper.md，按现有模板写入 # 标题、日期、arXiv、概述等。2026/my-new-paper.mdnode scripts/build.mjsnpx serve . # 或 python3 -m http.server 8000assets/css/style.css · assets/js/app.js