......................................................................................57 7.1 模型选择与优化................................................................................................... ......................................................................................78 9.3 系统测试与优化................................................................................................... .....................................................................................102 13. 持续改进与优化...................................................................................................

1 学习效果评估.............................................................................93 5.3.2 教学策略优化.............................................................................94 6. 系统实施........... ....................................................................................153 9.1.1 系统功能优化...........................................................................155 9.1.2 新技术引入........ 效率、个性化和智能化管理的需求。为此，DeepSeek 学校旨在通 过人工智能和大数据技术的深度整合，构建一套全面覆盖教学、管 理、评价等环节的智能化教育生态系统。项目目标是通过技术手段 提升教学效率、优化资源配置、实现个性化学习，并为学校管理者 提供科学决策支持。 项目将在以下几个方面展开具体应用：首先，教学场景中，基 于深度学习算法的智能教学系统将自动分析学生的学习行为数据， 生成个性化的

4.2.1 学科知识点关联.........................................................................73 4.2.2 学习路径优化.............................................................................75 5. 人工智能功能模块....... 8.2.2 外部合作伙伴...........................................................................144 9. 测试与优化...............................................................................................145 .................................................................................156 9.2.2 定期评估与迭代优化................................................................158 10. 推广与市场策略...................

...89 8.1 技术发展趋势对政策的影响...............................................................91 8.2 政策调整与优化的方向.......................................................................93 8.3 中小学人工智能教育的长期发展目标.  政策制定的科学依据：通过系统分析人工智能技术在中小学教 育中的应用现状与问题，为政策制定者提供数据支持与理论依 据，确保政策的科学性与可行性。  教育质量的提升：人工智能技术的应用能够优化教学资源配 置，提升教学效率，促进个性化学习，从而全面提升中小学教 育质量。  教育公平的促进：通过人工智能技术的普及，可以缩小城乡教 育差距，促进教育资源的均衡分配，推动教育公平。 此 的优势与不 足。第四部分将重点分析我国中小学人工智能应用政策的主要问 题，包括政策制定与实施的脱节、资源配置不均、教师培训不足 等。最后，文章将提出针对性的政策建议，包括加强政策顶层设 计、优化资源配置、提升教师人工智能素养等。 为了更直观地展示文章结构，以下是一个简要的流程图： 通过以上结构，本文旨在为教育信息化 2.0 背景下中小学人工 智能应用的政策制定与实施提供理论支持和实践指导。

域属性特征，算法作为核心引擎与风险应对策略，开发工具作为全栈式工具矩阵，安全、伦理和隐私保护作为 有效保障。在技术路线上，构建“参考架构—智能体应用—标准体系”的完整技术路径，以“性能—成本—应用” 协同优化为抓手，支撑模型从训练、推理、部署、协同到应用增强的全链路落地。 面向教育新范式，报告深入分析教育大模型赋能高等教育创新发展的具体路径，总结了九个重构方向：提供精 准适需的教育内容、实现个性灵活 置优质均衡的教育资源、 强化智能协同的科研创新。据此提出“统筹规划、分步建设、优选场景、协同发展”的教育大模型建设原则， 阐明基于通用大模型研发教育大模型的具体实践，倡导通过算力、数据、算法协同优化的工程创新来实现教育 大模型的高算效和高能效。 应用层面，报告系统归纳教学、管理、科研与社会服务等主要应用场景，汇聚典型案例包括 DeepSeek 助力数 字化实训、大模型赋能智慧教室、人工智 成效，充分展现了教育大模型在提升教学质量、优化学习体验、促进科研创新等方面的显著价值。 治理层面，报告从四个维度提出系统性对策：法制建设与标准化工作方面，完善法律法规保障教育应用的规范 性，落实标准体系建设；数据安全与伦理隐私方面，实施安全监测与防范，开展伦理治理与监督，强化隐私保 护与管控；模型演进与技术支撑方面，注重算法优化与迭代，数据规范与优化，算力支持与扩展；内容高质量 与教育包容性方面，强调内容管理与优化监管，采

知识密度百日定律：参数量每3.3个月降低一半。 1. 本地部署DeepSeek时，需根据硬件配置选择合 适模型版本。如1.5B模型适合资源受限设备， 671B模型需服务器集群支持。 2. 合理匹配参数量与硬件，可优化模型性能，提升 运行效率，避免资源浪费或性能瓶颈。 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第12页 模型蒸馏的定义 通俗解释：模型蒸馏就像是让一个“老师”（大模型）把知识传授给一个“学生”（小模型），让“学生” 教师模型的训练：先训练一个性能强大但计算成本高的教师模型。 生成软标签：教师模型对数据进行预测，得到每个样本的概率分布，这些就是软标签。 训练学生模型：用软标签和硬标签共同训练学生模型。 优化与调整：通过调整超参数，优化学生模型的性能。 蒸馏技术的优势 模型压缩：学生模型参数少，计算成本低，更适合在资源受限的环境中部署。 性能提升：学生模型通过学习教师模型的输出概率分布，能够更好地理解数据的模式和特征。 不仅实现技术代际跨越，更推动AI技 术普惠化与国产化生态繁荣，成为全 球大模型赛道的重要领跑者。 多Token预测 MTP 混合精度训练 FP8 混合专家 MOE 多头潜注意力 MLA 通讯优化 DualPipe 并行训练框架 HAI 强化学习 GRPO 直接硬件编程 PTX 测试时计算 TTC 能力突破 开源、低成本、国产自主 n 基础能力：进入推理模型阶段，并跻身全球第一梯队

........................................................................................ 18 3、管线综合优化................................................................................................... BIM 小组主要负责：BIM 模型的创建、维护，确保设计和深化设计 图清楚地形象的展现在模型里，可以更好的发现图纸问题并及时解决；可以表 现出钢构件组装流程，各种施工工艺等，更好的优化施工方案和工作计划；进 行模拟施工，进而优化工程施工进度计划。 4 项目总负责 BIM 技 术 团 队 软件技术顾问 建 筑 专 业 结 构 专 业 机 电 专 业 钢 结 构 专 业 工 程 协 调 三维场地布 置 GSL 真正用于建设项目全过程临建规划设计的三维软 件，内嵌三维模型构件，可以通过绘制或者导入 CAD 电子图纸、3Dmax、GCL 文件快速建立模型，软件按 照规范完成规划的方案优化，快速生成直观、美观的 三模型文件，自动配套生成临水、临电方案及临建预 算 脚模软件 三 维 脚 手 架 与 模 型 的 创 建 ， 支 持 模 型 导 入 BIM5D，且可实现脚模 BIM 审图

用深度不足，难以高质量服务高校治理能力的现代化进程。基础设施日益完善， 安全防护迭代升级，信创生态正在起步，但数据安全仍存短板，数字新底座离好 用尚有差距。 《报告》建议，一要强化高校信息化队伍建设，优化人才成长体系；二要拓 宽经费筹措渠道，强化经费使用管理；三要推动多元协同创新，激发新技术发展 动能；四要探索资源整合新模式，破解人工智能应用瓶颈；五要深化教学软硬件 使用效能，促进教学数字化的 息素养 培训的高校比例增长尤其迅速，开展科研信息化的培训的高校比例近三年间增长 了 9.3%。高校管理队伍和师生信息素养的不断提升，为高校数字化转型奠定了 基础。 2. 制度规范体系持续完善优化 完备的制度与较高的制度执行率是高校数字化转型发展行稳致远的坚实保 障。三年来，召开网络安全和信息化领导机构定期会议的高校比例从 72.5%增至 77.2%，学校主要领导关心信息化工作已成为普遍现象；制定网络安全和信息化 加快完善高校数字化顶层架构体系和队伍发展体系 数据分析表明，信息化人员职称结构、年龄结构、学历结构对高校数字化发 展水平具有正向影响。学历结构的优化对信息化建设的促进作用更为明显，职称 结构的优化对信息化建设的促进作用次之。高校需要深化人才发展体制机制改革， 建设与业务发展相匹配的信息化人员队伍，持续优化信息化部门人员的学历结构， 逐渐提升信息化队伍的人员整体素质，为数字化转型发展提供有力支撑。丰富聘 用方式，以灵活

评估，优化，迭代 5. 促进技术公平使用 • 推动均衡发展，缩小数字鸿沟，建立包容文化 n 方式 1. AI 赋能学习 • 个性化学习系统 • 智能 AI 助教 • AI 驱动的内容生成 2. AI 赋能教学 • 智能教学助手 • 智能课堂管理系统 • 课程内容优化 • • 可以参照真人快速生成数字 人形象， 智能 匹配 口型和手 势 • 可以训练 真人 的声音 ，调整个性化音色 • 可以根据课件图片自动生成讲解 文稿 ，并 辅助教师进行 文稿优化 • 可以根据文稿自动生成授课 语音 并合成授 课视频， 自动根据 语义增加 语气 词等 03 我们的 AI 教育实践：智能录 课 • 用于 7X24 的学习陪伴 • 通过人 出来的虚拟角色 • 通过 RAG 和青鸟大模型提供针对特定课程的有温度、启发式的答疑和陪伴服务 03 我们的 AI 教育实践：智能助 教 人工智能专业（群）建设 • 人才培养方案优化 • 实训设备建设 • 实训项目建设 • 教学资源库建设 • 教学数字化 • 学情数据诊断 • 教师队伍建设 科研创新 • AI 实验室建设

时代使命。 主编观点 近两年，随着AI赋能千行百业，教育行业利用AI围绕 教师的课堂教学逐步展开评测，通过教室核心部件及 模型解决课前教师备课减负、课中教师教学评测、课 后分析反馈，硬件+大模型不断优化教师教学效率。 而现在，建设重点已转向教师评测+学生学情的双轨并 行。这不仅是技术的迭代，更是教育理念从以教为中 心向以学为中心的关键转变。教室建设不仅看重教师 的数据闭环分析，更需要落实到学生学情分析。目前 我们认为，未来的智慧教学形态，应具备以下三大核 心特征： 其一构建设备与生态深度融合的智慧空间。实现AI赋 能教学的基础，在于硬件设备与软件生态的深度协同， 涵盖从板书、互动到直录播等环节，构建真正融贯 “感知—响应—优化”的智能教学场域。 其二打造全流程智慧教学闭环。AI贯穿备课、授课、 评价各环节，为教师提供精准学情分析，实现教学减 负增效；依托大模型生成课堂总结，结合智能伴学助 手，助力学生自主成长。 在靠近数据源的物理位置（如录播主机、摄像头内）进行数据处理的计算模式，以降低延迟、 节省带宽、保障隐私。 端云协同 终端/边缘设备与云端数据中心协同工作的一种计算架构，各自承担最适合的任务，实现性能 与成本的最优化。 多模态 指能够处理和理解多种不同类型信息（如文本、图像、语音、行为姿态等）的技术或模型。 OPS 在本报告中指的是符合开放式可插拔规范的电脑，由英特尔推出的用于标准化交互平板中计算 机模块的行业规范，是交互平板的核心组件之一。