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 要求以”争政策、 争资金、 争项目“为目标 ，并表达 对项目成功的信心。 ” 四、 党建材料 ，规范高效 场景： 民主生活会、 述职报告等 指令模板： “请按照 . 三查三改 . 的逻辑生成一份 党支部整改清单 ， 内容包括查思想根源 ( 引用 二 十大金句 ) 、 查工作短板 ( 用数据对比 ) 、 查作风隐 患 ( 结合巡察反馈 ) 。 案例： “请帮我撰写一份学习二十届三中全会的 的图片和文件识别功能 鼠标单击“ +” ** ** ： 1. ** ** ：将原文内容按“会议概况—成果 展示—专家观点—未来举措 ”逻辑分层，增强可读 性； 2. ** ** ：突出关键数据与案例，避免冗长 叙述，以条目化呈现亮点； 3. ** ** ：精简重复表述，采用更凝练的新

）：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 比 • 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， GPT-3 人机界面：指令、信息、 prompt 2. 知识助手场景：语言能力 + 知识能力 • 知识压缩、知识提取、知识组织 • 智能问答 3. 任务执行场景：语言能力 + 知识能力 + 逻辑能力 • 任务分解、任务执行 • 操作外部工具或软件接口 • Agent n 三种应用类型 1. 模型增强： FT ； MaaS ；产品包装 （ ChatGPT ） 2

UNI CER SSLVPN 综合多业务出口安全网关 出口负载均衡 100G 宿舍区汇聚 DMZ 区 网络管理中心 DDOS 安全防护 XX 多业务承载网拓扑 XX 宿舍网逻辑拓扑 出口 BRAS 数据中心 核心交换机 数据中心核心 1G 10G 40G AAA 计费认证 SDN 控制平台 DHCP 无线控制器 CMC CNC CTC CTC 应用服务。同时也提供外部数据 查询、交换服务的支撑基础，以 实现学校的信息化系统之间的数 据共享；服务器资源合理利用； 核心业务数据的备份容灾。 数据中心云平台 •基础云平台建设 云平台设计逻辑架构如 下： 方案整体逻辑架构图 整体校园云逻辑上分为 8 个部分：物理层、抽象与控制层、 IAAS 服务层、 PAAS 服务层、 SAAS 服务层、安全管理及服务模 块、运维管理模块、门户模块。 数据中心云平台 •大数据平台架构 的、为多台服务器服务的集中管理的存储系统。 方案总体架构设计如示意图所示： 数据中心云平台 •校园统一身份认证平台 运营商侧采用一次认证完成两次逻辑认证的方 式，用户只需一次拨号即可完成与校园账号系统的对 接和与运营商的对接，即逻辑上第一次认证为校园准 出认证，使用学号或者教工号，帐号统一由校方管 理；第二次自动完成由运营商准入认证，帐号可以使 用运营商手机号做为帐号。 按照选择哪个运营商则走哪个运营商链路的原

规划目标 planning objectives 一卡通消费 宿舍违纪 学生学业 食堂 消费 数据 + 学工 数据 + 教学 数据 + 科研 数据 + 人事 数据 + 后勤 数据 +X 规划逻辑 Planning logic 数据 + 行为 异常 预警 心理 异常 预警 学业 预警 学生 亲密 分析 学生 预警 消费 分析 违纪处分 上网行为 困难生管理 心理健康 成绩 compliance from data consumption 性别：空 190 0-01-01 320 10 21 9 8 1012 3345 139 7809090 从数据消费观察业务逻辑性 Observing business logic from data consumption 人 事系 统 从数据消费观察数据完整性 Observing data integrity from 的完整性 （不完整） 数据标准的执行 （未执行） 数据的合规性 （不合规） 数据的真实有效性 （非最新） 数据的业务逻辑性 （不合理） 实施服务 实施服务 实施服务 业务设计 业务及管理设计 内环：数据治理 外环：质量牵引 数据治理逻辑 Data governance logic 数据标准执行缺失的处理手段 Measures

人，不能超过 50 人）； 2、排课效果： 使用前 使用后 工作人数 教务处 2 名教师 1 名软件工程师 工作时长 30 天 1 天 效果 未达到理想效果，2015 年暑假开学 学校以此形成逻辑使用习惯 第一周出现了混乱 （二） 同济一附中： 1、同济一附中排课要求： （1）上海高考选考策略：6 选 3（ 共计 20 种组合）； （2）学校根据学生志愿分班； （3）分班策略：人数优先（即只考虑每个教学班 ，对走班教学过程进行 管理； 2、排课效果： 使用前 使用后 工作人数 教务处 1 名教师 1 名软件工程师 工作时长 30 天 1 天 效果 未使用系统前，出现被动调整学生志 愿的情况 学校以此形成逻辑使用习惯 （三） 闵行中学： 1、闵行中学排课要求： （1）上海高考选考策略：6 选 3（ 共计 20 种组合）； （2）学校根据学生志愿分班； （3）分班策略：学科优先+人数优先（优先安排选择 ，对走班教学过程进行管理（未上线）； 2、排课效果： 使用前 使用后 工作人数 教务处 1 名教师 1 名软件工程师 工作时长 60 天（1 个暑假） 1 天 效果 基本完成 学校以此形成逻辑使用习惯 第二章 方案概述： 一、方案建设内容： 建设内容包括： 1. 走班教学资源管理：对学校走班教学的资源信息进行管理，包括教室、老师、课 时、教学科目及学生可选志愿等信息。 2.

模型层 使用FP8低精度进一步降低训练成本。这一点，是DeepSeek团队非常 有价值的创新和突破。 2. 长链推理技术（TTC）：模型支持数万字的长链推理，可逐步分解复杂 问题并进行多步骤逻辑推理。 3. 并行训练系统（HAI）： 16 路流水线并行(Pipeline Parallelism, PP)、 跨 8 个节点的 64 路专家并行(Expert Parallelism, EP)，以及数据并行 人类智能（超人类智能） Ø 传统（知识+规则）：专家系统（知识库+推理机） Ø 现代（数据+学习）：机器学习（模型、目标、策略），数据模型（IID，用数学模型模拟世界） • 常规统计学习方法：逻辑回归，决策森林，支持向量机，马尔科夫链，…… • 人工神经网络：与人脑最大的共同点是名字（原理、机制和架构并不一样），用神经网络表达数学模型 传统神经网络：霍普菲尔德网络，玻尔兹曼机，….. 知识图谱（KGE） 5. 模型微调（Fine Tune） 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第28页 生成模型和推理模型适用场景 n 生成模型是玩知识和文字的，推理大模型是玩逻辑和推理的，至于计算问题， 还是找计算器吧 n 推理模型也不是万能的，其幻觉通常比生成模型大，很多不需要强推理的场合还是传统的生成模型比较适合 比较项 生成模型（GPT-4o、 DeepSeek-V3）

FPGA+DDS 可编程逻辑器件(FPGA),是世纪80年代发展起来的一种新的, 在PAL、GAL、CPLD等可编程器件的基础上进一步发展的产物,是 一种半定制的集成电路。它是作为专用集成电路领域中的一种半定 制电路而出现的,它通过软件手段更改、配置器件内部连接结构和 逻辑单元,凭借高速并行计算的能力和大规模的芯片容量,同时片 内集成的乘法器和阵列,用先进的技术驱动电路来实现各种复杂的 逻辑和运算,它的这些优点很适合用于软件无线电核心处理器的优

常被一同提及。二者既紧密关联又各有侧重——人工智能是涵盖基础理论与技术体系的整体范畴，而大模型作 为其重要的发展形态，集中体现了该领域在特定阶段的技术突破与应用方向。二者尽管概念范畴存在层次差异， 但在核心技术逻辑与发展目标上保持内在一致性。《教育强国建设规划纲要（2024-2035）》明确提出“促进 人工智能助力教育改革”，而打造“人工智能教育大模型”正是落实这一任务的关键举措。为使研究更具针对 性与具 大模型如今发展势头强劲，其核心依赖算力、数据与算法。算力是基础，但资源分布不均会导致发展失衡； 数据是燃料，规模越大模型能力越强，却也暗藏信息污染和隐私泄露风险；算法是关键，能拓展应用场景，然 而决策逻辑不透明，容易引发信任危机。 1. 算力普惠性潜力和分配不均现状存在矛盾 算力能够有效训练和运行复杂的神经网络模型，从而提升人工智能的理解与分析能力，这使得算力成为数字经 济时代的核心生产力 48。大模型训练依赖数百至数万 技术的发展，算法不断演进，大模型能力越来越强。例如，在 Open AI 的发展进程中，第一阶段的 GPT-1 和 GPT-2 只会模仿说话，就像鹦鹉一样把文字“复读”出来，理解能力很差，容易说出不合逻辑的话；第二阶 段 GPT-3 和 InstructGPT 开始理解指令，通过“指令学习”，让鹦鹉明白意图，更好地完成任务；第三阶段 GPT-4 和 Sora 学会思考和推理，给鹦鹉看图片、听声音

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 自动识别学生作文中的语法错误、逻辑问题，并生成详细的分析报 告。 计算机视觉技术在 DeepSeek 中主要用于课堂行为分析和智能 化监考。通过摄像头捕捉学生课堂中的动作、表情和行为，系统可 以实时分析学生的专注度、参与度，帮助教师优化课堂管理。此 的互动情况，评估其教学策略的有效性。同时，通过学生满意度调 查，收集学生对教学风格、课程内容及教师态度的反馈，帮助教师 优化教学方法。 课程设计的有效性评估则需要关注课程目标的实现情况、课程 内容的逻辑性以及教学资源的利用率。可以通过课程结束后进行学 生知识掌握情况的测试，并结合教师的教学反思，评估课程设计的 合理性。此外，定期组织课程评审会议，邀请教育专家和同行参 与，对课程内容进行审查并提出改进建议。 系统架构 系统架构采用微服务设计理念，旨在实现高可用性、可扩展性 和灵活性的教育应用平台。整体架构分为四层：用户接口层、业务 逻辑层、数据访问层和基础设施层。用户接口层通过 Web、移动 端应用和 API Gateway 提供统一的访问入口，支持多端互通。业 务逻辑层由多个独立的微服务构成，包括学生管理、教师管理、课 程管理、成绩管理、资源管理等核心功能模块，每个微服务采用容 器化部署，

.........................................................................................10 2.3.1 逻辑架构................................................................................................. 统的统一管理； 充分考虑原有系统利旧，实现新老系统的无缝对接，降低成本，减少资源 浪费。 2.3总体架构设计 2.3.1 逻辑架构 本方案从逻辑上可分为安全预警、智慧教学、智慧管理等几个方面，如下 图所示。 12 ××学校智慧校园建设方案 图1. 逻辑架构图 视频监控系统：采用先进的高清、智能监控技术，对校园进行全方位、全 天候的全面监控，最大限度地减少各种安全隐患； 人员 国家标准，预留相应联网接口。 3.1.1 视频监控子系统 3.1.1.1 总体结构设计 3.1.1.1.1 逻辑架构 网络高清方案从逻辑上可分为视频前端系统、传输网络、视频存储系统、 视频解码、大屏拼控显示、视频信息管理应用平台、利旧等几个部分，如下图 所示。 25 ××学校智慧校园建设方案 图1. 网络高清方案逻辑结构图 视频前端系统：前端支持多种类型的摄像机接入，本方案配置高清网络枪 机、球机等网