）：以模型为核心，是对真实世界的模拟和解释 • 用语言逻辑方法获取理论模型：模糊 • 用解析数学方法获取数学模型：精确 • 用计算数学方法获取数据模型：近似 • 用机器学习方法获取概率模型：复杂 • 用人工神经网络获取网络模型：黑盒 • 超过两层的神经网络可以逼近任意连续函数 人类智能 • 抽象（语言）：概念，数字，理 念 • 逻辑（理性）：归纳，演绎，类 专用任务模型： NLP 、 CV 、 Gaming…… 2. 通用任务模型： AIGC • Diffusion 、 transformer ◼ 从 NLU+NLG 到 LLM （大语言模型） 1. 语言逻辑和数据集蕴含了人类的认知智能 2. LLM 是人类的认知智能的实现方式之一 3. LLM 的原理很简单；工程很复杂；效果很神奇 3. 推理能力（涌现）：一般需要 10B 以上， 时刻）：表现是慢思考；本质是合成数 据 有些是产品能力，不是模型本身的能力： RAG Function Call 1. 语言能力： 一本正经地说话，语言顺畅， GPT 时达 到 • NLG+NLU ：语言理解、语言表达（包括温度和情商） • 人类语言、代码语言、 XX 语言 2. 知识能力：海量公开知识，言之有物， GPT-2 时达 到 • 顺带学习（基座模型）：文字中蕴含了知识

下一步推进应用思路 06 DeepSeek 应用注意问题 DeepSeek 是什么？ 01 DESIGN DeepSeek 是一款生成式人工智能大模型 ， 它能够理解 “ 听懂”人类语言 ， 并能够像人类一样 分析问题 ，寻找思路 ， 并给出答案（解决方案） ； 它是一位 “过目不忘”的全能型老师 ，（通过 训 练） 掌握了人类各个方面的知识 ，免费解答你各种问题； 它还是一位 ... ） 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， 它生成内容的过程就像是一场词语接龙游戏： 联网搜索模式（ REG ） 通用模型 （ V3 ） 在传统的大语言模型基础 上 ， 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

指导，更注重提供实操模板与案例，强调无需依赖专门AI系统，普通教育和学术工作者也能便捷应用通用模型与开放工具实 现专业功能，具有广泛实用性和迁移价值。 二、教育和学术领域是一个知识密度极高的领域，也是受大语言模型技术影响较大的领域。本讲座共包括五个部分，逐层递 进、环环相扣，从技术概述到教学应用、学习辅助、科研支持再到管理赋能，通过教-学-研-管四个教育环节构建了 DeepSeek教育应用的立体图景 DeepSeek快速出圈，全民硬控 n 2024年12月26日， DeepSeek推出对标OpenAI GPT-4o的语言模型DeepSeek V3，随后在美国AI行 业内部引起轰动。 n 2025年1月20日， DeepSeek发布对标OpenAI o1 的DeepSeek R1大语言模型，并于1月24日引起美 国投资界KOL关注。 n 2025年1月26日，关于DeepSeek颠覆了大模型的商 Z2829） 第23页 人工智能：现代（2020-，大模型） 大模型（预训练大模型）：大（数据多、参数多、算力多），模型（语言、视觉、多模态） Ø GPT架构：解码器（GPT），生成式人工智能（AIGC），生成-理解-决策（RL） • Transformer：大语言模型（LLM，大模型），多模态模型 ChatGPT（4.1、4o、o1、o3、o4）、Claude；Grok、Gemini；Llama、

数智化转型逐步向个性化方向拓展，根据不同高校特色、学科优势和师生需求，开发定制化的智能教学系统、 个性化学习路径规划和特色化科研支持平台，形成各具特色的数智化生态。 1 在这一过程中，以大语言模型（Large Language Model，LLM）为代表的大模型（Large-scale Model）作为 高等教育数智化转型的核心引擎，能够通过技术赋能与生态重构，成为高等教育数智化转型的核心驱动力。大 才。 25 大模型背景下高等教育数智化转型研究报告 高等教育的核心职能还包括文化传承创新。尽管联合国教科文组织提出的《教育和研究领域生成式人工智能应 用指南》提到了重视保护和促进文化、思想和语言的多样性，国务院发布的《新一代人工智能发展规划》也指 出要对传统文化数字化、传统知识体系与人工智能融合的原则性倡导。国务院《关于深入实施“人工智能 +” 行动的意见》特别指出要“推动人工智能在繁 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

.........................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。 在评估方面，AI 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

16 教师的人工智能能力框架 - 第 2 章 ： 关键原则 第 2 章 ： 关键原则 内容正在侵蚀本土知识、文化和 语言。教师需要了解AI系统的设计 原理以及AI模型的工作方式，以便 能够保护人类自主性、语言和文 化多样性以及本土知识。 2.1 确保包容性数字期货 指导人工智能促进人类能力发展 ： 在 缺乏适当教学指导的情况下使用AI进 行教育可能会削弱学生的智力发展。 Acquire 教师的 AI 能力框架 - 第 3 章 ： 教师的 AI 能力框架的结构 2. 开发 对与人工智能以及人机交互 相关的典型伦理问题的基本理解，特 别是与人权保护、个人数据、人类自 主性以及语言和文化多样性相关的问 题，并倡导包容性和环境可持续性。 1. 培养 对人工智能有深刻的认识， 即人工智能是由人类领导的，并且AI 创造者的公司和个体决策对人类自主 权和权利产生深远影响。这种深刻认 理解为什么一些 AI 工具应该被禁止 鉴于他们的潜力 削弱人力和 威胁人权。 聚焦风险 : 列出 潜在的方式 教师和学生 机构可能会受到损害 通过某些 AI 工具 ， 就像 例如 ， 在这种情况下 ， 大型语言的使用 论文写作的模型。 了解基本的 dos 和 不要: 写每日提示 促进人类机构 在教学中使用 AI 时 并鼓励学生 机构在利用和 评估 AI 。 LO1.1. 1 批判性地反思 好处、限制和风险

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 能够帮助学 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 先 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

.......................................................................................53 3.3.1 开发语言与框架.........................................................................55 3.3.2 数据库与存储....... 学效率和学习体验。其核心技术包括自然语言处理（NLP）、计算 机视觉（CV）、知识图谱构建以及个性化推荐算法，能够实现对教 育数据的多层次、多维度分析与应用。 在自然语言处理方面，DeepSeek 技术能够通过语义理解和上 下文分析，自动生成高质量的教学内容，例如智能出题、个性化作 业批改以及在线答疑。其 NLP 引擎不仅支持多种语言，还能识别 学生的语言特点，提供针对性的反馈和改进建议。例如，系统可以 适用年级、难度等级、作者信息、创建时间、更新时间等，确保用 户能够通过多种条件进行筛选。 其次，教学资源库应支持智能检索功能。用户可通过关键词、 学科标签或知识点标签快速查找资源。为了提高检索效率，系统可 “ 引入自然语言处理技术，支持模糊搜索和语义匹配，例如输入 二 ” “ ” 次函数 时，系统不仅返回与 二次函数 直接相关的资源，还能推荐 相关的教学视频、习题解析等内容。 为保障资源的质量，应建立严格的审核机制。教师上传的资源

情绪管理系统 VR 自我认知系统 素质能力提升 焦虑 / 抑郁 自我认知 / 求职压 力 教学空间： VR 智慧教室 ⚫ VR 智慧教室是将虚拟现实技术与教学情景相融合，将抽象的概念理论和老师难以用语言讲解的知识点，直观形象 的展现在学生面前，为学生打造高度仿真、沉浸式、可交互虚拟互动学习场景的一体化解决方案，提高学习效率。 ⚫ 沉浸式互动学习：虚拟影像逼真的投射在真实环境中，学习者通过视线、手势、语音与影像进行交互； 年以“ AI+ 教育”为特征的个 性化教育将带来 3000 亿的庞大市 场 规模。 产业 ⚫ 个性化教育产业链的 结构内，产品开发吸 纳大量资金，前期投 入较大。目前 K12 辅 导、语言学习是 两大 重点应用场景。 ⚫ 千人一面的传统教 学模式严重阻碍学 生创新能力的发展。 ⚫ 学生学习问题无法 及时反馈及解决。 ⚫ 老师精力有限，无 法顾及每一个学生， 难以实现规模化个 ⚫ 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

码是否被应用，若代码已经被应用则不允许修改和删除。 4.3.2.1.代码数据源 所有代码自动生成代码数据源，可用于系统全域引用，同时可以支持向第三 方系统或用户发布，不需要使用 SQL 语言，无编码。 4.3.2.2.代码数据校验 “ ” 引用 数据校验标准 提供的系统方法，实现代码数据与检验方法的对应关 系，保障在进行代码数据维护时代码数据添加和编辑的合规性。 4.3.3.数据校验标准 为实现统一认证和单点登录提供接口和通道，可以支持跨平台和各种开发语 言的应用系统接入平台，如目前学校各类应用系统所使用的 a s p 、.net 、 J AVA、PHP 等多种开发语言；支持 C AS 4.0、S A ML 1.1 协议， 能将各类应用纳入认证范围，真正实现集中统一的认证。身份、授权、认证功 能相互独立，可以灵活的与第三方产品对接。支持底层多种通用结构的认证技术 标准的目录服务器存储身份数据，并提供身份认证。平 台基于 J 2 E E 标准架构。 2 ) 可 集 成 性 提供多种认证接口的异构支持，包括代理认证和 L DAP 目录服务接口。 支持多种语言的接口方式，包括 Ng i nx 反向代理、J a v a 、.Net、 第 6 1 页 PHP 等。支持 Uni x 、Li