。 2. 系统目标 长期目标 独立人格 、社会适应力 、终身学习（如培养责任感） 。 短期目标 解决具体问题：行为矫正（如拖延症） 、学业支持。 分领域目标 价值观（诚信） 、认知发展（逻辑思维） 、生活技能（自理） 、身心健康（情绪管理） 。 3. 系统内容 显性教育 学科辅导 、技能训练（编程 / 乐器） 、规则制定（作息时间） 。 隐性教育 家庭文化（餐桌礼仪） 、情感联结（亲子共读） 反馈滞后导致的认 知固化 跨学科创造力培 养 多模态生成技术（文 本 / 音频 / 图像协 同） 古诗改编歌曲 、思 维导图创作 学科割裂限制创新 思维 实证思维训练 大数据验证与实验模 拟系统 科学实验漏洞分析 、 对照实验设计 被动接受知识缺乏 批判性 亲子协作新范式 第三方智能中介平台 学习成果兑换规则 生成 、冲突调解方 推导等步骤引导思考 修改作文语法错误 启发表达优化思维 提升语言应用能力而非机 械纠错 智能润色系统（案例 2 ） ： 分析语法错误， 提 供 高级表达替代方案 单向讲述历史事件 构建沉浸式学习体验 增强记忆深度与兴趣 时空穿越对话（案例 3 ） ： 通过第一视角叙事 还 原历史场景 命题作文框架指导 激发多维度创作灵感 突破思维局限， 培养观察 力 思路过程生成（案例 4

Emoji 和话题标签） ⚫ 知识管家：自动整理会议录音→生成思维导图→提炼待办事项 ⚫ 语言翻译：支持 42 种语言互译，自动适配文化差异（如把“摆烂”翻译成 “quietquitting”） 局限：复杂逻辑问题需升级至 R1 版本 模块 2：深度思考（R1）——决策智囊团 技术突破： ⚫ 思维链可视化：像老师写板书一样展示推理步骤（如解方程时先分解条件再推 商业分析：“假设你是麦肯锡顾问，分析新能源汽车充电桩市场的三大风险点，用 SWOT 框架呈现” ⚫ 创意写作：“用鲁迅杂文风格，写一篇讽刺 AI 过度依赖现象的短文，结尾需反转升 华” ③思维链可视化 指令设计：要求展示推理过程（如“先分解条件再推导”） 应用场景： ⚫ -解数学题时自动展示公式推导步骤 ⚫ -分析商业案例时生成因果逻辑图 2.行业专用模板：拿来即用的生产力工具 典型应用场景： ①学生党：从题海战术到精准学习 ⚫ 论文润色：上传论文草稿→输入“优化学术表达，确保符合 APA 格式”→10 分钟完 成专业级修改 ⚫ 知识点图谱：输入“用思维导图整理高中生物遗传学核心概念”→生成可打印的学习 框架 ⚫ 解题思路：拍摄数学题照片→R1 模式自动分步解析，错误点用红框标注 ②职场人：效率提升 300%的办公神器 ③创业者：零成本搭建专业团队

从大模型、智能体到复杂 AI 应用系统的构 建 —— 以产业大脑为例 肖俊 浙江大学计算机学科与技术学院人工智能研究所 2025 03 杭州 • 大模型推理能力快速提 升 • 推理模型和思维链 (CoT) • 智能体是什么？ • 四链融合产业大脑案例 提纲 大模型推理能力快速提升 开始模仿人 脑进行大量 数据的标记 和训练 神经网络 CNN RNN GAN 1990 事实性幻觉问题 大语言模型易产生幻觉 ，在数学推理方面表现在推理能力严重不足， 体现在简单数值比较错误、 多步推理能力弱、推理不一致等 早期大模型在推理能力上存在明显短板 无法在复杂的思维链中保持一致性 推理过程和答案不一致 Yann LeCun 的批判观点： 对纯粹扩大规模方法的根本质疑 Mehrdad Farajtabar OpenAI o1/o3 、 DeepSeek- R1 等 1. 早期的大模型推理能力不足 2. OpenAI-o 系列模型和 DeepSeek-R1 等胜在推理能力较 强 小结一： 推理模型和思维链 (Chain of Thought, CoT) QwQ 由通义千问 开发， QwQ 能通 过思考与疑问解 决 一些复杂的问 题。 HIMl DeepSeek-R1 与

02 对AI教育的思考：如何培养AI专业人才和AI赋能人才  培养什么人 1. 思维能力：批判思维、独立思维、逻辑思维 2. 学习能力：终身学习，善用AI 3. 热爱人类  如何培养人 1. 赋能：个性化学习，学本教育，因人育材，未来学校  学习的定位是一种思维训练，知识、写作、记忆力等只是训练工具  终身学习的方式可能从知识搜索转向了古老的对话式学习  应对措施 1. 加强信息安全 • 建立安全分类框架，制定安全保护政策，进行安全培训 2. 警惕AI的幻觉和偏见 • 技术层面：代码，算法，数据，提示词 • 思维层面：理解原理，鼓励批判性思维 3. 为教与学提供具体的指导 • 教师：教学培训，交流和社区，AI教学助手 • 学生：AI素养，个性化学习路径，AI助教 4. 进行短期和长期的影响评估 • 评估，优化，迭代

increasing) ➢ DeepSeek-R1-Zero 自主涌现学会重新评测原来的方法、反思和主动探索其他的路径 ➢ 多阶段训练下的冷启动让RL训练更加稳定，避免初期不稳定、加速收敛、提升思维链可读性 ➢ 未来后训练的重心会逐步倾向于RL，但是少量训练用于SFT可能还是必须的 ➢ 强化学习技术不只局限在基于规则的数学、算法代码等容易提供奖励的领域，它还可以创造性 地把强化学习所带来的强推理能力，泛化到其他领域 H800 计算: ~54天 21 DeepSeek-R1 技术剖析：RL 加持下的 Length 泛化&推理范式涌现 ➢ 大规模RL的加持下，DeepSeek-R1 Zero 表现出在推理任务上思维链长度的自然增长和涌现 ➢ 反思深度逐层加深，出现标记不明确的步骤、保持中间结论、验证、混合语言推理等现象 ➢ 模型在准确率奖励和格式奖励下自然探索到 验证、回溯、总结、反思 的行为范式 ➢ 如何控制来保证最后的response 主要负责记忆而很难进行OOD泛化，基于ORM的RL泛化能力较好 [1] ➢ SFT规范模型输出格式，使得后续的RL可以获得更高的收益 ➢ 随着强推理能力复现的兴起，社区也有很多工作比较 LongCoT 长文本思维链的蒸馏效果 ➢ Scaling up verifiable reward是long cot的核心。 ➢ 小模型（例如wen-math-7b）不容易recentivize long cot的behavior（e

AI ，主要研究如何用人工的方 法和技术，使用各种自动化机器或智能机器（主要指计算机）模仿、延伸和扩展 人的智能，实现某些机器思维或脑力劳动自动化。 人工智能是那些与人的思维相关的活动，诸如决策、问题求解和学习等的自 动化；人工智能是一种计算机能够思维，使机器具有智力的激动人心的新尝试； 人工智能是研究如何让计算机做现阶段只有人才能做得好的事情；人工智能是那 些使知觉、推理 建立仿真模型、运行仿真模型——输出结果并分析。 15 产品制造过程仿真，可归纳为制造系统仿真和加工过程仿真。虚拟制造系统中 的产品开发涉及到产品建模仿真、设计过程规划仿真、设计思维过程和设计交互行 为仿真等，以便对设计结果进行评价，实现设计过程早期反馈，减少或避免产品设 计错误。 加工过程仿真，包括切削过程仿真、装配过程仿真、检验过程仿真以及焊接、 压力加工、铸造仿真等。

推出话术指南，覆盖机械性工作与思维训练。2024 年 11 月 14 日， OpenAI 为学生提供了一份使用 ChatGPT 进行写作的指南。文章提出了 12 种有 效使用 ChatGPT 的方法，包括自动化引用、快速了解新主题、获取研究路线图等 指导方法，并给出了相应的提问话术范式。 除去一些自动化引用的机械性工作以外，OpenAI 给出的 12 指南中包含思维 训练方式，旨在通过 ChatGPT ChatGPT 帮助学生提升严谨思维和清晰写作的能力。学生可 以利用“苏格拉底对话”（Socratic dialogue）法，向 ChatGPT 提出问题，以此 1.2 1.3 1.4 1.5 1.7 1.8 1.9 30% 35% 40% 45% 50% 0.00 0.50 1.00 1.50 2.00 2.50 单季度营收（亿美元） YOY (0.20) 答疑辅导功能，同时， 紧跟 2022 年新课标“尊重个性、重视自主学习”的要求，科大讯飞联合全国知 名院校等权威机构，精心研发了包括 AI 1 对 1 语文作文辅导课、精读整本书 AI 提优课、思维启蒙 AI 提优课和小学数学思维 AI 提优课在内的一系列紧贴新课 标的高质量学习内容。学习机是非常适合 AI+教育落地的硬件终端场景，也是科大 讯飞面向 C 端市场的重要入口，随着国产大模型的能力提升，以及公众对

个层次：数据智能、感知智 能、认知智能和自主智能[22]，应急系统的智能水平达 到了感知智能这一层次。 从认知智能层次来看，当前系统思维能力不足， 缺乏解决复杂问题的能力。下一步系统智能化发展方 向是认知智能的加强，即系统具有类似于人的逻辑思 维和高级认知能力，能够处理和解释复杂信息，通过 思维能力获得事物本质特征与发展规律更深入的认 识，从而具有能够适应新环境并解决复杂问题的能力。 按照过去信息化建设经验，提升系统智能化水 大语言模型应急大脑以大语言模型技术带动知 识管理机制的创新，促进知识资源在应急管理系统内 的整合、优化和利用，实现系统智能化发展的突破。 概念模型如图5所示，由以下4个部分组成：应急知识 库系统，感知系统，思维系统和人机交互系统。知识 流将这4个部分有机整合在一起，形成智慧应急的内 核，支撑包括监测预警、社会动员、监管执法、救援 处置、决策指挥等应急管理全过程业务系统。 图5 基于大语言模型应急大脑概念模型 数据间的潜在关联，识别出围绕各类风险的因果、 时空序列、逻辑等不同关系模式。随着应急大模型 中风险知识结构和内容的不断丰富和深入，感知系 统能够提供准确、及时的突发事件及其风险情境理 解，实现对风险的全面感知和实时监控。 思维系统：思维系统是应急大脑的决策引擎，能 够进行深层的需求理解和复杂的逻辑推理，特别是面 对时效性较高、且问题空间不明确的灾害情境，能够 针对具体问题进行分析和判断，结合大语言模型的思 维链（chain of

教学研讨会 • 教学网站访问量 • 在线讲座观看人数 • …… 团队联系方式： ziyulin@xmu.edu.cn 厦门大学大数据教学团队 1. 人工智能发展简史 2. 人工智能思维 3. 大模型： 人工智能的前沿 4. 高校本地部署 DeepSeek 大模 型 5. AIGC 应用与实践 6. 基于大模型的智能体 7. AI 赋能高校科研 8. AI 就通过了测试 ， 并被认为具有人 类智能 1.1 图灵测试 人工智能的诞生可以追溯到 20 世纪 50 年代。 当时 ，计算机科学刚刚起步 ，人们开始尝试通过计算机程序来模拟人类的思维 和 行为。 在这个背景下 ， 一些杰出的科学家和工程师们开始研究如何使计算机具备更高级的功能 1956 年 8 月 ，在美国达特茅斯学院举办的人工智能夏季研讨会 ，是人工智能领域具有里程碑意义的一次重要会议。 年人工智能元年至今 ，人工智能的发展历程经历了漫长的岁月 ，大致可以划分为以下 6 个 阶段 OpenAI Operator DeepSeek R1 1.4 未来人工智能发展 5 个阶 段 2. 人工智能思维 厦门大学大数据教学团队作品 拥有和人工智能协作的能力， 懂得如何运用人工智能 2. 人工智能思 维 具备区分人的能力 和机器的能力 协作 区分 了解 每个人都应了解人工智能 的基础运行模式

希沃等纷纷 抢滩接入DeepSeek-R1大模型，并围绕DeepSeek能力开启软件与硬件业务方向的 智能升级、创新，推动行业走向AI原生教育的新生态。 一、教育企业快速拥抱DeepSeek，以其思维链、高性价 比优势掀起新一轮变革 DeepSeek-R1自2025年1月20日正式发布以来，热度快速且持续增长，C端流量爆 发的同时，网易有道、学而思、希沃、中公教育等头部企业先后宣布拥抱 De 相较于其他通用及垂类大模型，DeepSeek能够得到头部教育企业广泛青睐、激起 抢滩布局，主要得益于其几大特点： l 深度思考模式：DeepSeek的深度思考模式能够输出自然语言形式的推理过 程，使得学习、解题的思维链可视化，有利于在教育场景中展示解题方法和过 程、进行知识回溯、引导学生个性化思考，从而辅助教师及家长教育，削减此 前AI+教育直接输出问题答案可能带来的负面影响。 l 逻辑推理能力：DeepS 1、突破单一模型局限，将教育垂类大模型与DeepSeek深度融合，结合DeepSeek 拆解复杂问题和语言交互的强项、及九章大模型深耕数学推理与学科知识图谱的优 势，实现精准分析/定位/回溯知识点、强化逻辑推理并显化思维路径、理解并输出 多模型内容，从而形成启发式引导思考的能力。 2、布局硬件+软件，以DeepSeek深度思考模式弥补传统教育硬件“重答案轻思 维”的短板，并开发新AI学习应用，集成自研讲解视频与高频AI学习工具，放大自