DeepSeek招聘扩容，清华博士生顾煜贤加入团队

DeepSeek公司近期增加了招聘岗位，覆盖算法、研发等方向。与此同时，DeepSeek V4正式版计划本月上线。

人才与产品动态

加入DeepSeek的顾煜贤是清华大学2021级博士生，并获得了该校2025年研究生特等奖学金。顾煜贤的名字曾出现在DeepSeek V4论文作者名单中。

公开信息显示，DeepSeek V4是一款即将发布的软件版本，预计于本月中旬发布。

• 招聘岗位包括算法、研发、产品等方向。
• 顾煜贤因学术成就加入团队，曾参与相关论文撰写。
• V4版本接近发布周期，表明公司研发进程。

清华大学计算机系博士生顾煜贤聚焦大语言模型效率优化研究

报道显示，顾煜贤为清华大学计算机系在读博士生，本科亦毕业于清华大学。其研究方向主要涉及大语言模型的全生命周期效率优化，包括预训练、下游适配及推理阶段。

研究重点及方法

顾煜贤的个人主页公开信息显示，其研究重点涵盖预训练数据筛选、模型压缩中的知识蒸馏，以及高效模型架构设计。他认为，在硬件资源受限环境下，算法创新是突破计算瓶颈的关键路径。

“我们在研究过程中发现，合理筛选预训练数据能显著提升模型效果。”

大语言模型是一种基于深度学习的自然语言处理技术，通过对海量文本数据进行学习，能够生成连贯的文本内容。模型效率优化涉及减少计算资源消耗，同时保持或提升模型性能。

该研究工作对推动人工智能技术在资源受限场景下的应用具有积极意义，特别是在低功耗设备上部署大语言模型方面。

顾煜贤获两项前沿技术奖学金 学术引用量超5000次

顾煜贤在学术领域表现突出，获得2025年度苹果博士奖学金及蚂蚁In-Tech奖学金。其Google Scholar数据显示，论文引用量累计接近5000次，两篇代表作引用量超1000次。

学术成果与引证节点

其代表作《预训练模型：过去、现在与未来》和《MiniLLM：大语言模型的知识蒸馏》引用量均突破1000次。

顾煜贤是《预训练模型：过去、现在与未来》和《MiniLLM：大语言模型的知识蒸馏》的第一作者。知识蒸馏是指一种机器学习技术，通过将大型模型的知识迁移到小型模型中，提高后者性能。

重要学术会议发表记录

• 多次以第一作者身份在NeurIPS、ICLR、ACL等人工智能领域顶级会议发表论文

上述学术会议是人工智能领域公认的权威性国际会议，发表内容具有行业影响力。

Jet-Nemotron混合架构模型测试结果显示超5成性能提升

Jet-Nemotron模型系列采用混合架构，融合后神经架构搜索方法与JetBlock线性注意力模块。2B版本在部分基准测试中超越Qwen3、Gemma3等开源全注意力模型，并实现生成吞吐量提升。

JetBlock与线性注意力技术

JetBlock线性注意力模块是模型核心组件之一，通过优化计算路径降低短路计算成本，适用于大规模上下文处理。

公开论文显示，2B版本在H100 GPU上的最高生成吞吐量提升达53.6倍，测试条件为256K上下文长度和最大批处理规模。

模型架构特点

该系列采用混合架构设计，通过后神经架构搜索方法动态优化模型结构，在资源消耗与性能表现间寻求平衡。

1. 后神经架构搜索支持参数量自适应调整
2. JetBlock模块降低高维注意力计算复杂度
3. 256K上下文长度支持超长文本处理

• 最大批处理规模增强并行计算能力
• 使用H100 GPU加速推理过程

MiniLLM方法提升大语言模型能力迁移效率 被谷歌等平台采用

顾煜贤及合作者在2024年推出的MiniLLM方法，通过改进知识蒸馏目标，实现大语言模型能力向小模型的更高效迁移。

技术提升关键点

该方法在指令跟随场景下可提升回答准确性、降低曝光偏差，并增强长文本生成能力。

论文结果显示，通过改进知识蒸馏目标，MiniLLM在指令跟随场景下可提升回答准确性、降低曝光偏差，并增强长文本生成能力。

技术采用情况

目前，MiniLLM方法已被谷歌、阿里、英伟达等开源社区和产业平台采用。随着DeepSeek V4即将上线，顾煜贤的加入为其后续模型研发带来更多关注。