Das Erscheinen von DeepSeek Large-Language-Modellen hat seit ihrem letzten Erscheinungstermin Anfang 2025 viel Diskussion und Unruhe ausgelöst. Doch ein großer Teil des Wertes von DeepSeeks Arbeit kommt aus den Papieren, die sie im letzten Jahr veröffentlicht haben. Shayan Mohanty gibt einen Überblick über diese Papiere und hebt drei Hauptaspekte dieser Forschung hervor: einen Fokus auf die Verbesserung der Kosten- und Speichereffizienz, die Verwendung von HPC-Co-Design zur Ausbildung großer Modelle auf begrenzter Hardware und die Entwicklung von emergentem Denken durch groß angelegtes Reinforcement Learning.