DeepSeek V3.2：架构、稀疏注意力与强化学习更新解析

DeepSeek V3.2 延续 V3.2-Exp 的架构，通过 DeepSeek Sparse Attention 引入非标准稀疏注意力，以降低长上下文场景中的训练与推理开销。模型还引入 DeepSeekMath V2 的自验证与自我改进机制，并更新 GRPO 及奖励设计，在可验证任务中采用 RLVR，在通用任务中使用生成式奖励模型。