近日，DeepSeek 持續擴大招聘規模，崗位涵蓋算法、研發、產品、運維、數據工程師及其他職能等多個方向。同時，DeepSeek V4 正式版預計將於本月中旬上線。公開信息顯示，清華大學 2021 級博士生、2025 年研究生特等獎學金獲得者顧煜賢已加入 DeepSeek，其名字此前也出現在 DeepSeek V4 論文作者名單中。
DeepSeek 的資料顯示，顧煜賢為清華大學計算機系畢業年級博士生，本科同樣畢業於清華大學，目前研究方向主要集中在大語言模型全生命週期的效率優化，包括預訓練、下游適配和推理等關鍵階段。他在個人首頁中提到，研究重點包括預訓練數據篩選、模型壓縮中的知識蒸餾，以及高效模型架構設計。顧煜賢表示，在硬件資源受限的情況下，算法創新是突破計算瓶頸的重要路徑。
顧煜賢的研究成果及其影響力
在學術成果方面，顧煜賢曾獲得 2025 年度蘋果博士獎學金和螞蟻 In-Tech 獎學金。他的 Google Scholar 頁面顯示，相關論文引用量已接近 5000 次，其中兩篇論文引用量超過 1000 次，分別為《預訓練模型：過去、現在與未來》和《MiniLLM：大語言模型的知識蒸餾》。作為第一作者，他曾多次在 NeurIPS、ICLR、ACL 等人工智能領域重要學術會議發表論文。
其代表性研究之一是 Jet-Nemotron。這一模型系列採用混合架構設計，核心包括後神經架構搜索方法和 JetBlock 線性注意力模塊。公開論文顯示，2B 版本在部分基準測試中超過 Qwen3、Qwen2.5、Gemma3 和 Llama3.2 等開源全注意力模型，並在 H100 GPU 上實現最高 53.6 倍生成吞吐量提升，測試條件為 256K 上下文長度和最大批處理規模。
此外，顧煜賢及合作者在 2024 年提出 MiniLLM 方法，通過改進知識蒸餾目標，將大語言模型能力更有效地遷移至小模型。論文結果顯示，該方法在指令跟隨場景下可提升回答準確性、降低曝光偏差，並增強長文本生成能力。目前，這一方法已被 Google 、阿里、英偉達等相關開源社區和產業平台採用。隨著 DeepSeek V4 即將上線，顧煜賢的加入也為其後續模型研發帶來更多關注。
