《图解 DeepSeek 技术》介绍了大语言模型的基础知识，适合零基础读者。书中讨论了“涌现”现象和缩放定律，强调模型规模、数据量和计算量的重要性。深度思考模式提升了模型输出质量，DeepSeek-R1通过蒸馏方法将推理能力传递给小模型，显著增强了小模型的能力。

顿悟现象是指模型在学习任务时，经历记忆期、平台期和泛化期，突然出现学习规律的现象。研究表明，顿悟现象本质上是在学习输入数字的表征。目前，尚未明确指出顿悟现象与大型语言模型的涌现现象之间的关系，但两者存在某些关联。

本文介绍了顿悟现象和大型语言模型的涌现现象，涌现能力与模型规模大小和具体任务有关系。本文提出了三种猜想来解释大型语言模型的涌现现象，其中第三种猜想利用顿悟现象来解释涌现现象。