）：资源是企业拥有或控制的具有经济价值的事物，如产品、设备、资金等。在 REA 理论中， 资源是企业活动的核心对象，它们被用于创建、交换或消耗以实现企业的业务目标。 2.事件（ Events ）：事件是企业业务过程中发生的具体事情，如销售、采购、生产等。事件会影响资源的状态和数 量，同时也反映了企业在特定时间点的业务状况。在 REA 理论中，事件是资源变化的载体，它们连接资源和参与者， 展示了业务过程的动态性。 的角色，如创建、交换或使用资源等。在 REA 理论中，参与者是资源和事件之间关系的主体，它们决定了业务活 动 的参与者和责任。 在 REA 理论中，资源、事件和参与者之间存在着紧密的关系。例如，销售事件中，客户（参与者）购买了产品 （资 源），从而使企业实现收入。通过分析这些关系，企业可以更好地理解业务过程，找出潜在的问题和机会， 为决 策提供有力支持。 总之， REA 理论是一种描述企业业务过程的有效方法 及其关系，帮助企业更好地分析、设计和实施信息系统。理解 REA 理论有助于企业提高运营效率和决策质量。 REA 理论（ Resources-Events-Agents ，资源 - 事件 - 参与者）是一种企 业 信息系统建模方法，它通过将企业活动分解为资源、事件和参与者三个 基本 要素，以及它们之间的关系，来描述企业的业务过程。理解 REA 理论 可以帮 助企业更好地分析、设计和实施信息系统，提高运营效率和决策质

而后到今天发展了三大 主义学派 （1） 正名篇：所以知之在人者谓之知，知 有所合谓之智。所以能之在人者谓之能，能 有所合谓之能。 人工智能是以机器为载体用人工方法 和技术模拟实现的人的智能 （2）多元智能理论：语言智能、音乐智能、 逻辑智能、空间智能、运动智能、人机智 能、认知智能 10 从人的智能到人工智能 荀子·正名篇：人的智能，智慧和才能的总称 智慧 知识 所以能之在人者谓之能，能有所合 谓之能。 能力与客体对象接触联通后所形成的能力为 “才能”。 “智”在内，往往在心里，常说“心智”， 跟人的心脑直接相关。 “能”在外，“能力”一般是外在通过某种形式表现出来的，跟身体架构整体有关。 直觉 11 多元智能理论 （1983 年，哈佛大学发展心理学家霍华德·加德纳（Howard Gardner） 教授） 语言智能 音乐智能 逻辑智能 空间智能 运动智能 人机智能 认知智能 12 DeepSeek来了，它是谁？ 学生获得AI平台部署与框 架工具使用技术 知识 学生内化人工智能基础 理论知识 浙江大学的办学使命： v 传播与创造知识，弘扬与引领文化，服务与奉献社会，培养德智体美全面发展、具有国际视野的高素质创新人 才和未来领导者，推动国家繁荣、社会发展和人类文明进步。 ——摘自《浙江大学章程》 了解AI基础发展 掌握AI理论技术 创新AI领域应用 培养AI伦理素养 教学目标 人工智能基础A-理工农医的通识基础课程

的调整逻辑，并根据实时数据优化配置。 问题 7：情感语调因子在未训练行业（如科创板）中是否有效？如何验证其泛 化能力？ 情感语调因子在科创板等未训练板块或行业中的有效性需结合其设计原理与跨行 业验证方法综合判断。理论上，该因子聚焦于财报文本中的情绪矛盾、模糊表述 等通用风险信号，这些特征不依赖于特定行业的财务结构或业务模式。例如，科 创板企业若存在财务瑕疵，其财报可能通过异常情感倾向（如过度乐观修饰技术 成果、 务（DeepSeek-V3）完成推理任务。项目的技术实现聚焦于通过提示工程（Prompt Engineering）引导生成式 AI 完成动态决策。系统通过设计结构化的对话指令， 将历史宏观数据与经济周期理论转化为模型可理解的语义输入，驱动其推理过程。 模型基于实时输入的标准化因子特征（如景气度、趋势等指标），生成适应市场 状态的最优权重分配方案。这一路径的核心在于优化对话指令的逻辑层次、提升 数据与知 该项目目前定位于研究导向的初步探索阶段，其核心目标在于验证基于宏观框架 的资产配置方法论的有效性。项目底层逻辑依托卖方分析师构建的宏观研究体系， 主要聚焦于策略模型的学术验证与框架优化，尚未进入实际资金运作环节。由于 仍处于理论验证期，暂未涉及实盘交易所需的资金管理系统、风控模块等基础设 施搭建，也未制定灰度机制相关流程（即通过小规模资金、限定标的试运行逐步 扩大应用的过渡方案）。当前研究重心在于回溯测试的严谨性验证、模型对市场

请务必阅读报告附注中的风险提示和免责声明 5 人工智能逐渐向增强或应用智能的形式转变 人工智能（ AI ）是研究 、开发用于模拟 、延伸和扩展人的智能的理论 、方法 、技术及应用系统的一门新的技术科学 。随 着进一 步发展， 人工智能逐渐向增强或应用智能的形式转变 。如今， 人工智能理论和技术日益成熟， 技术和应用程序的范围也不断 扩 大， 广泛应用于医疗 、 自动化 、游戏 、过程控制等领域。 图表：人工智能在工业中的应用 图表：材料研究的 4 个阶段 : 经验、理论、计算模拟和 ( 大 ) 数据推 动 资料来源：《材料信息学及其在材料研究中的应用》 - 王卓等，国海证券研究 所 资料来源：《材料基因在锂电研发中的应用》 - 曾乐才，国海证券研究 所 预测分析聚类 ; 矿业的关系 ; 异 常检测 二级范式 基于模型的理论 科学 三级范式 计算科学 （模拟） 密度泛函理论， 分子动力学 图表：新材料研发过程的主要环节 ，应用计算机模拟软件 ，不仅能够促进化工设计严谨性和系统操作精准程度的提升 ，还有利于科学合理地进行系统流程的计算 与分 析 ，可在一定程度上推动化工行业的发展进步。 分子模拟作为一个重要的理论研究手段 ，可以在微观分子世界与宏观可观测量之间搭建桥梁 ，从而为人们在分子水平上理解物质的结构和动 力学 性质提供工具 ，其在化学化工 、生物医药 、能源 、材料等多个领域都有广泛的应用 。近几

甲⼦光年智库梳理，2023年；2医疗保障事业发展统计快报，国家医保局; 3. 《解读财务分析报告：透视公⽴医院财务状况》，医院管理论坛报，2024年12⽉; 4. 《2023年药品流通⾏业运⾏统计 分析报告》, 国家商务部; 5.求解集采制度改⾰⽬标：“降价”是集采的惟⼀考量, 澎湃新闻；6.创新药研发周期理论，创新药研发回报率研究，申银宏源；美国数据 14 *65+岁% 14.1% 7.9% ⽀出增速 2023 等重复⼯作 • 企业：申报材料的准备 执⾏效率提升 25 “若临床时间缩短1年，研发回报率IRR提升⾄9.5%； 若研发成本降低20%，IRR升⾄10.1%”1 数据来源：创新药研发周期理论，创新药研发回报率研究，申银宏源；美国数据 企业AI知识库：打造企业版ima，提升内部流程效率 ⽀持多格式知识沉淀，打破知识分散困境 “理解准”、“检索准”、“回答准” 灵活权限设置，保证企业资产安全

的综合实训；就业认证是指导学生获取由人工智能龙头企业， 如英特尔等提供的相关技术能力认证，并提供生态体系内的岗 位就业指导。 人工智能教育面临的挑战及对策 人工智能从诞生伊始，就是一门需要将理论与实践充分融合， 并在实际应用场景中开展实训论证的学科。比如，人工智能的 算法演进通常都是为了解决某一场景中的具体需求，应用场景 的变化以及对更高训练、推理效率和精度的要求，使更多新模 型、 型、新算法被提出。而新算法在提出后，也需要在实际场景中 不断进行实践应用，才能积累更多的结果数据，进而对算法实 施反向迭代优化。 所以人工智能教育的本质，也是通过合理的课程设置和实训环 境，科学引导学生完成从理论到实践，再到创新应用的过程。 打造高效人工智能 教学与实训解决方案 7 数据援引自工业与信息化部人才交流中心发布的《人工智能产业人才发展报告（2019-2020 年版）》一文 产业 分析 课程 能在生活生产中的应用，触发学生的思考，揭开人工智能 的神秘面纱，了解人工智能背后的基础理论，进而引导学 生用多元的视角感知人工智能世界。 • 从认知到应用：通过动手实验体验人工智能实现过程，让 学生习得的知识得到实践，从而体会人工智能技术带来的 成就感，激发其探究和应用技术的热情。 • 从应用到创新：通过理论联系实际的教学活动，帮助学生 进一步掌握知识和工具的实际应用方法，采用项目式教学

用的涌现性质。要正确捕捉各个尺度之间的相互影响，以及它们如何在整体上决定最 终材料性能，仍然是巨大的难题。传统方法往往将不同尺度割裂开来进行处理，容易 导致误差或不精确。 实验验证滞后：在过去，一种新材料从理论上提出（通常基于理论计算）到实际合成 并进行测试，需要耗费很长的周期。这是一个反复迭代的过程，合成本身可能十分困 难，需要特定的设备与专业技能；材料特性表征（测量材料性能）也需要多种手段， 每一种都需要 AIMD 从马氏体转变所描述的原子间势中学习，并且达到了高精度。 这些结果表明，ML-AIMD 方法可以捕捉到准确的原子间势，能够反映出锆的能量学和 结构转变性质。这些结果与实验数据以及密度泛函理论的模拟数据相符，但是计算成 本和时间比传统方式小很多。 图表7：ML-AIMD 方法流程示意图 资料来源：《A State‑of‑the‑Art Review on Machine Learning‑Based 是一种最先进的图神经网络(GNN)模 型，使用两个管道来发现低能（稳定）材料。结构管道创建结构与已知晶体相似的候 选材料，而成分管道则采用基于化学式的更随机的方法。研究团队使用已建立的密度 泛函理论计算对这两个管道的输出进行评估，并将这些结果添加到 GNoME 数据库中， 为下一轮主动学习提供信息。 请务必阅读报告末页的重要声明 22 / 29 行业研究|行业深度研究

服务期望提升：消费者期 望获得更快速、更便利的 服务，包括索赔流程的简 化。 • 保险知识和教育的需求： 消费者寻求更多关于保险 产品的信息和教育，以做 出更明智的购买决策。 WHAT 5 在霍金斯的理论中，参考系是智能体用来存储和处理信息的框架。这些参考系可以是物理的，比 如空间坐标系，也可以是抽象的，比如概念框架。从这个观点出发，大脑利用不同的参考系来理 解世界，例如通过空间关系来理解物体的 产品的制造和销售， 而是要考虑如何通过 服务为客户创造持续 的价值。 当前对服务的重视、不仅改变了产品的角色、也重新定义了企业与消费者的关系 在大周期中，影响科技应用的社会因素也是不容忽视的，这里以“创新扩散理论”，说明技术创新 改变社会的规律。 除了将科技周期和文化适应度纳入考量，帮助企业更好地洞察保险行业的未来走向。三轮规模化 变革，则为企业提供了更为清晰的行业技术发展规模路径： 卡洛塔·佩雷斯（Carlota 采用 主导 技术 新模式 变革 以早期采用者为重点，适应和支持企业战略和管理革新的措施 导入 技术创新改变社会 美国传播学者埃弗雷特·罗杰斯（Everett Rogers）的“创新扩散理论”： ►技术创新改变社会分为：行为改变、习惯改变和文化改变。 ►用户可以分为：创新者（Innovators）、早期使用者（Early Adopters）、早期大众（Early Majority）、晚期大众（Late

供了坚实的理论支持和实践验证。结合机器学习与金融理论的最新 进展，DeepSeek 平台在提升资产配置效率、优化风险调整收益方 面展现了显著优势。 11.1 相关学术文献 资产配置规划在金融领域中占据着重要的地位，随着大数据和 人工智能技术的发展，DeepSeek 等智能工具的应用为资产配置带 来了新的可能性。在相关学术文献中，Markowitz（1952）提出的 现代投资组合理论（MPT）为资产配置奠定了理论基础，强调通过 现代投资组合理论（MPT）为资产配置奠定了理论基础，强调通过 分散投资降低风险并优化收益。后续研究在此基础上不断扩 展，Black 和 Litterman（1992）提出的 Black-Litterman 模型通 过结合市场均衡与投资者观点，进一步提升了资产配置的实用性。 近年来，随着计算能力的提升，机器学习算法在资产配置中的应用 逐渐成为研究热点。例如，Feng 等人（2019）提出了一种基于深 度学习的 来收益分 布，从而实现更精确的资产配置。此外，Li 和 Hoi（2014）提出的 在线投资组合选择算法通过动态调整投资策略，有效应对市场波 动。DeepSeek 作为一种智能工具，能够结合上述理论和技术，提 供以下具体应用方案：  数据采集与预处理：DeepSeek 可以自动整合多源数据，包括 市场数据、宏观经济指标和公司财务数据，并通过数据清洗和 标准化确保数据质量。  模型

石家庄：河北经贸大学，2023. ［4］ 赵子祺，崔佳琦，邢金明. 全域旅游视域下冰雪运动休闲特色小镇 开发研究［J］. 体育文化导刊，2020（5）：92-97. ［5］ 邹艳艳 . 全域旅游发展政策的理论评析［D］. 青岛：青岛大学， 2019. ［6］ 金赛 . 供需视角下景区智慧化发展水平测度与优化研究［D］. 桂 林：桂林理工大学，2020. ［7］ 李洋 . 根河市全域旅游发展问题研究［D］ 基于北斗的全域旅游景区综合管理平台设计与实现［D］. 成都：电子科技大学，2020. ［12］ 丁煌，马小成 . 数据要素驱动数字经济发展的治理逻辑与创新进 路 ——以贵州省大数据综合试验区建设为例［J］. 理论与改革， 2021（6）：128-139. ［13］ 邹建琴，明庆忠，史鹏飞，等 . 智慧旅游研究：历程、主题与趋势 ［J］. 资源开发与市场，2022，38（7）：850-858. ［14］