2月27日最新消息显示，在业界热切期待新一代旗舰模型DeepSeek V4之际，DeepSeek团队低调发布了一篇重要学术论文。该研究由DeepSeek联合北京大学、清华大学共同完成，聚焦于推动大模型实际应用落地的核心环节——推理效率优化。论文提出名为DualPath的创新推理系统架构，专门针对智能体驱动场景下的大模型（LLM）推理性能进行深度优化。通过创新性设计"双路径读取KV-Cache"机制并动态调整存储资源分配策略，在离线推理场景中实现最高187%的吞吐量提升，在线服务场景下每秒可支持的智能体运行数量平均提升达96%。论文开篇指出当前大模型正经历从单轮对话工具向自主智能体系统的范式转变：这些新型AI系统能够自主规划任务流程、调用外部工具并通过多轮交互解决复杂现实问题。这种应用模式的革新导致大模型推理负载发生根本性变化——交互模式从传统的"人类-大模型"二元结构转向"人类-大模型-环境"三元交互体系，并呈现出数十至数百轮次的长周期交互特征。（第一财经）
