将window的location改为post提交

内容概要：本文介绍了深度求索（DeepSeek）团队发布的DeepSeek-V4系列大语言模型，包括具有1.6万亿参数（激活490亿）的DeepSeek-V4-Pro和2840亿参数（激活130亿）的DeepSeek-V4-Flash，两者均支持长达一百万token的上下文长度。该系列通过架构创新显著提升了超长上下文处理效率，核心技术包括混合注意力机制（结合压缩稀疏注意力CSA和重度压缩注意力HCA）、流形约束超连接（mHC）以及Muon优化器，大幅降低了推理所需的浮点运算次数（FLOPs）和键值缓存（KV cache）大小。相比前代模型，在百万token上下文下，DeepSeek-V4-Pro仅需27%的单token推理FLOPs和10%的KV缓存。模型经过超过32万亿高质量token的预训练，并采用专家模型独立培养再通过在线策略蒸馏（OPD）合并的后训练流程。评估显示，DeepSeek-V4-Pro-Max在开放模型中重新定义了知识、推理和智能体能力的最先进水平，并在长上下文任务上表现卓越。;适合人群：从事人工智能、自然语言处理或大模型研究的研发人员、工程师及学者。;使用场景及目标：①需要处理超长文本输入的应用场景，如大规模文档分析、跨文档推理和复杂代码生成；②追求高效率和低成本的大模型部署，利用其卓越的长上下文效率进行产品开发；③作为先进的开源基座模型，用于构建智能体（Agentic AI）、搜索增强应用和企业级生产力工具的研究与开发。;阅读建议：此文档为技术研究报告，包含大量关于模型架构、训练基础设施和优化细节的专业内容。建议具备机器学习和深度学习背景的读者重点关注其创新的混合注意力机制、mHC和Muon优化器部分，同时参考文中提供的性能评估数据和真实世界任务表现，以全面理解该模型的能力边界和潜在应用场景。

今年我是拿一个以校园跑腿为核心功能的微信小程序作品参加的全国计算机设计大赛，顺利进入市赛，后续会更新情况。微信小程序包含小程序和后台管理系统，其中后台管理系统用express搭建，用到了Vue、elementUI和nodejs技术，详细情况文档中有介绍，该资源为答辩PPT，有比赛相关问题欢迎向我咨询。