清华特奖获得者顾煜贤加入DeepSeek 论文引用近5000次

　　【今日科技消息】近日，DeepSeek持续扩大招聘规模，岗位覆盖算法、研发、产品、运维、数据工程师及职能等多个方向。与此同时，DeepSeek V4正式版预计将于本月中旬上线。公开信息显示，清华大学2021级博士生、2025年研究生特等奖学金获得者顾煜贤已加入DeepSeek，其名字此前也出现在DeepSeek V4论文作者名单中。

DeepSeek

　　资料显示，顾煜贤为清华大学计算机系毕业年级博士生，本科同样毕业于清华大学，目前研究方向主要集中在大语言模型全生命周期的效率优化，包括预训练、下游适配和推理等关键阶段。他在个人主页中提到，研究重点包括预训练数据筛选、模型压缩中的知识蒸馏，以及高效模型架构设计。顾煜贤表示，在硬件资源受限的情况下，算法创新是突破计算瓶颈的重要路径。

　　在学术成果方面，顾煜贤曾获得2025年度苹果博士奖学金和蚂蚁In-Tech奖学金。其Google Scholar页面显示，相关论文引用量已接近5000次，其中两篇论文引用量超过1000次，分别为《预训练模型：过去、现在与未来》和《MiniLLM：大语言模型的知识蒸馏》。作为第一作者，他曾多次在NeurIPS、ICLR、ACL等人工智能领域重要学术会议发表论文。

　　其代表性研究之一是Jet-Nemotron。这一模型系列采用混合架构设计，核心包括后神经架构搜索方法和JetBlock线性注意力模块。公开论文显示，2B版本在部分基准测试中超过Qwen3、Qwen2.5、Gemma3和Llama3.2等开源全注意力模型，并在H100 GPU上实现最高53.6倍生成吞吐量提升，测试条件为256K上下文长度和最大批处理规模。

　　此外，顾煜贤及合作者在2024年提出MiniLLM方法，通过改进知识蒸馏目标，将大语言模型能力更有效地迁移至小模型。论文结果显示，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。目前，这一方法已被谷歌、阿里、英伟达等相关开源社区和产业平台采用。随着DeepSeek V4即将上线，顾煜贤的加入也为其后续模型研发带来更多关注。