数据 内容生成（ “词语接龙” ... ） 语言是知识的载体 ，也是人类沟通的桥梁 ，理解了人类语言 ，就能理解各类知识 ，能 跟人沟通。 因此自然语言处理是人工智能皇冠上的明珠 ，大语言模型就是基于深度学习技术 的自然语言处理工具 ，通过海量数据训练实现对人类语言的理解、生成和推理能力。 了解生成式人工智能（ AI GC ） 的工作原理 我们所说的大模型其实是人工智能大语言模型， 强化推理 、 逻辑分析 和决策能力的模型。 =V3 + 数理逻辑思维 数学推导、 逻辑分析、 复杂问题拆 解 适用于大多数任务， 侧 重于语言生成 、 上下文 理解和自然语言处 理 。 ——“文科生” 文本生成、 创意写作、 问答对 话 能够联网搜索最新消息 （否则只能搜到训练大模型输入的 数据） 是用户输入给 AI 大模型的指令或信息 ，是决定大模型输出内容的关键 根据学生阶段性测试结果 , 规划个性化学习路径 , 推送薄弱环节专项练习 与微课资 源 , 让学生总是沿着自己的 u 最近发展区 n 进行学习 , 提高学习兴趣和效率。 , 为学生提供 "A 学伴 " , 以自然的人机对话 , 将复杂的知识化作童言童语 , 回应学 生的每 , Deepseek

...........................178 1. 背景与目标 在当前信息技术迅速发展的背景下，人工智能（AI）在教育领 域的应用日益广泛。随着大模型技术的进步，AI 大模型在自然语言 处理和知识获取等方面的表现超越了传统的方法，这为教育行业带 来了前所未有的机遇。学校和教育机构面临着提升教学质量、个性 化学习体验和高效管理的需求，AI 大模型能够在课程设计、学习评 估和学生反馈等方面提供有效支持。 的数据，从中提取出隐含的知识，识别复杂的模式。这意味着它能 够根据学生的学习历史、兴趣和能力，为每个学生提供量身定制的 学习计划。这种个性化的学习方式能够显著提升学生的学习动机和 学习效果。 此外，AI 大模型具备自然语言处理的能力，可以与学生进行实 时互动。例如，利用智能助手，学生可以随时提问，获得即时反馈 和解答。这种即时性打破了传统教育的时间和空间限制，使学生能 够在更灵活、更自我驱动的环境中学习。 能够提高学习效率，还能增强学习者的参与感和积极性。通过对个 人学习数据的分析，AI 大模型能够识别出学习者的强项与弱点，进 而制定个性化的学习计划，满足各类学习者的需求。 首先，AI 大模型能够通过自然语言处理技术分析学习者的输 入，了解其具体的学习风格和需求。例如，针对某些学生偏爱视觉 学习，系统可以推送更多图形或视频形式的学习资料，而对于喜欢 听觉学习的学生，则可推荐播客或音乐学习材料。这样的个性化推

人类有统一的目标吗：族群、国家、阶级等等 • 工作替代、角色分工：人的新定位（问题洞察能力、结果鉴别能力） • 认知融合：人与动物的不同始于认知革命 • 新的人机接口：人类自然语言（ javis ），重做一次应用 人人融合：所有人类的智慧可以融合，个人可以利用所有人类的智慧 解决学校的三大需求 的方案 03 我们的 AI 教育实践：青鸟 AI 实验 室 人工智能专业（群）建设 七类主要产品和服务 课程 实训平台 教学资源库 教学平台 教研平台 模型训推 自然语言 图像处理 语言识别 文字识别 深度学习 动态监控 资源监控 集群监控 全景大屏 状态信息 资源使用 任务运行 管理功能：任务、资源、 Prompt 职场写作 职场汇报 职场调研 职场能力提升 Prompt 基础 Prompt 进阶 Prompt 优化技巧 Prompt 综合实战 AIGC 课程导论 自然语言处理 跨模态生成技术 主流 AIGC 工具与开源框架 AIGC 的伦理与社会影响 计算机视觉 AIGC 未来的发展趋势 课程 实训平台

大模型背景下高等教育数智化转型研究报告 28 大模型与高等教育深度融合，为高等教育带来了前所未有的新机遇，也带来一系列挑战，需要从技术、教育和 社会三个视角进行审视和思考。技术服务层提供统一模型服务接口，整合自然语言处理、计算机视觉、多模态 等核心人工智能能力，构建大语言模型、视觉大模型、多模态大模型等技术底座；场景应用层将技术能力转化 为教育实践，实现驱动教学质量提升、助力学生全面发展、赋能科研创新、精准科学评价和校园全域治理等具 Tokens，在这样大规模的数据支撑下，GPT-4 在文本输入与输出方面已取得显著成果，还进一步增强了视觉与 听觉分析能力。正是大规模的训练参数为 GPT 模型赋能，使其可以存储繁杂的知识并理解人类的自然语言， 从而完成对话、翻译、写代码等一系列自然语言任务 51。2025 年 4 月发布的 Qwen3 训练数据量达到了 36 万 亿个 Tokens，这些数据主要来源于公开数据和 Qwen2.5 系列模型合成的数据。在算法趋同、算力标准化背景 学科对技术工具的过度依赖，削弱传统学科的理论根基。例如，“计算社会学”若过度依赖大模型的文本分析 结果，可能忽视社会学田野调查的质性研究传统。其次，大模型研发所需的海量数据与算力资源加剧了学科间 的马太效应。工程技术、自然科学等数据富集领域在交叉融合中占据绝对优势，而文史哲、基础学科因数据化 难度大、短期产出不明确。最后，大模型的“模式化输出”可能引导学科融合走向功利化陷阱。如将“AI + 经济学” 简化为用模型

84% ， 预计 2022 年也只 能达到 15.74% 。主要原因 是缺乏 线上线下结合的双 师课堂 模式提升课程的沉 浸感和 互动性。双师课堂 在在线 教育产业链中举足 轻重。 ⚫ 偏远地区自然条件 恶劣，交通困难。 ⚫ 学校“教材无、器 材无、课程无、教 师无” ⚫ 优质教育资源缺乏 ⚫ 教育公平问题亟待 解决 产业 问题 5G+ ⚫ 5G 网络大带宽、 低时延 幼教重复工作量大、 没有精力观察到每 个幼儿。 ⚫ 家园共育：有口号 无效果 问题 5G+ ⚫ AI 相关 8 大关 键 技术取得了 显著 发展：计 算机视 觉、自 然语言处 理、 人机自然交 互、 AR/VR 等。 ⚫ 智能芯片技术。 类别 / 年份 2015 2020E 国家学前教育经费（亿元） 2376 4245 家庭幼教支出（亿元） 3852 5938 社会投入（亿元） 5G 平安校园 关键场景 3 ：移动巡逻 ⚫ 移动巡逻机器人以自研机器人本体为载体，借助 5G+MEC 技术，依托云端智能机器人技术对它的认知能力，具 备人脸识别、车辆识别等物体识别能力和自然语言交互能力，在复杂场景下引入人工客服（ HARI ）进行辅助 处 理的能力；从而完成包括：室外导航和避障等行走能力，听、说、看方面的音视频交互能力。 定位感知 融合传感 云 端 安 保 巡

生成模型（GPT-4o、 DeepSeek-V3） 推理模型（GPT-o3、 DeepSeek-R1） 模型定位 专注于通用自然语言处理，多模态能力突出，适合日常对话、内容生 成、翻译以及图文、音频、视频等信息处理。 侧重于复杂推理与逻辑能力，擅长数学、编程和自然语言推理任务，适合高难度问题求 解和专业领域应用。 推理能力 在日常语言任务中表现均衡，但在复杂逻辑推理（如数学题求解）上 AI能力全面超越 人类，具备探究 科学规律、世界 起源等终极问题 的能力 Al通过自我学习, 具备自我批判、自 我改进以及自我反 思能力 AI学会使用人类语 言，在大多数自然 语言任务上突破图 灵测试 Level 1. Level 2. Level 3. Level 4. Level 5. 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第34页 AI2.0时代的技术观和人才观-我们的判断 AI成为学生的必备素养 社会对AI人才的需求 02 03 AI技术的突破和范式转换 01 • 如自然语言处理、计算机视觉、自动驾驶等 • 数据智能： AI1.0到AI2.0 • 智能门槛：判别-生成-推理 • 岗位变化：人工智能首先改变的是岗位任务和岗位流程，然后才是岗位本身 • 应用能力

线上学习行为分析：通过对学生在在线学习平台上的行为数据 （如点击率、停留时间、互动频率等）进行分析，DeepSeek 能够识别学生的学习兴趣和习惯，为个性化教学提供依据。  作业质量分析：基于自然语言处理技术，DeepSeek 可以对学 生的作业进行自动批改和内容分析，识别学生的知识掌握程度 和思维能力发展趋势。 此外，DeepSeek 的应用还具有深远的实践意义。一方面，它 能够帮 DeepSeek 是一种基于人工智能的自然语言处理技术，旨在通 过深度学习和语义理解提升文本分析的准确性和效率。其核心技术 架构包括预训练语言模型、语义嵌入和上下文感知机制，能够有效 地理解并处理复杂的语言表达。在教育场景中，DeepSeek 可以通 过对教学文本、学生作业和反馈信息的分析，提供多维度的教学评 价支持。 DeepSeek 的自然语言处理能力主要体现在以下几个方面：首 系统会从多个维度收集教学相关数据，包括学生学习行为数据、教 师教学效果数据、课程内容数据以及教学环境数据等。这些数据通 过高效的数据采集模块进行实时获取和预处理，确保数据的完整性 和准确性。 其次，DeepSeek 利用先进的自然语言处理（NLP）技术和机 器学习算法，对收集到的数据进行深度分析和挖掘。系统能够识别 和理解教学过程中的关键信息，例如学生的学习进度、教师的授课 风格以及课程内容的难易程度等。通过对这些信息的分

，帮助监管人员选择最优的应急方案 ，提高 应 对核事故的能力。 AI 技术驱动的监管范式革新 堆芯熔毁过程的多物理场耦合模拟 核事故孪生演化模型 01 02 合规性智能审查引擎 NLP 自动解析法规文件 运用自然语言处理（ NLP ）技术， 自动解析核安全相关的 法规文件。提取关键信息和条款 ，建立法规知识库， 为 后 续的监管文书审查提供基础。 监管文书的生成 - 校验闭环 根据解析后的法规文件， 就有可能制造 “确定性幻觉”。 福岛事故中 ，地震概率模型曾被 视为安全依据 ， 最终证明人类对复杂系统的认知存在根本局限。 核安全的终极悖论：人类文明的“普罗米修斯之痛” n 康德“人为自然立法”的困境 u“ 人类为技术立法” ， 而 AI 系统正悄然成为新的 “立法者” ：通过数据训 练 形成的隐性规则 ， 可能超出人类理解范围 ， 其科学性如何评价。 u 当 AI 制定安全阈值

外部业务系统 开放 API 与开放平台 外部大数据工 具 ET 平台 嵌入 整体架构 产品技术特点 数据采集与接入 扫一扫，解锁更多精彩 数据在线清洗 扫一扫，解锁更多精彩 全可视化、自然语言建模 扫一扫，解锁更多精彩 1 1. 分析图表构建 像聊天一样完成分析逻辑建模 零 学习使用成本 无需任何 IT 背景 也可顺畅对话数据，实现自助式 分析 2 2. 仪表板 / 商业报表构建

线各地名师教学，满足多方师生同时参与互动教学，提升教学质量， 提高学习体验。 1:1 真实还原：教师真人等比还原，营造真实课堂 环境，让学生更有代入感； 自然交互：老师不用迁就设备的变化来改变自身 教学方式，真实还原自然的授课互动； 全息场景合成：实施虚实叠加，创造生动逼真的 未来课堂，让老师可以形象展示以往晦涩难懂的内 容，打造特色优质教学资源； 多地全息交互：实现多地全息互动教学，真正意