本刊要求作者提供文章创新点和学术评论句 本刊要求文章正文阐明研究的创新性，并且有学术评论句，同时摘出列在文章末尾，现对两者说明如下： 创新性：创新内容是科技论文中所具有的与已有文献不同的具体的专业知识内容，也称为创新点，是科技论文新颖性所在，其反映科学知识的递 增性。作者在 CNKI 或 Pubmed 检索后应说明研究（成果）的创新贡献，简言概括，也是对文章的介绍。 学术评论句：指在一篇学术论文中对于另一 学术评论句：指在一篇学术论文中对于另一篇学术论文的具有显性评论性质的句子。用于对他人研究的评价，“具有显性评论性质”指在一句学 术评论句中，必须具备 4 个特征：①对已发表论文（被评文献）的评论；②与学术评论句配对的文末参考文献，必须是严格对应的被评文献本身，是完整 的，非二次引用的；③句子中有该论文的性质，评论它的标志性词汇（标志词），如“首次”、“第一次”、“率先”、“最早的”、“可追溯到”等；④句子中直接 出现作者姓名和发表年份。 出现作者姓名和发表年份。 句子中没有出现显性的“首次”、“最早”、“第一次”等标志性词汇的句子称为“描述性句子”非评论性句子。 学术评论句举例：斯坦福大学医学院 Michele P. Cabs[1]实验室在利用中Ф31 整合系统进行基因治疗方而做出了系列开创性的工作。2000 年，他 们首次将中Ф31 整合酶用于人细胞并获得成功。 摘自文献：张霖, 赵国屏, 丁晓明，中国科学, 2010, 40（12）:

也展现了塑造各地区技术整合方式的多元 策略、投资方向与文化因素。想要提升AI成熟度的组织，需通过制定针对性学习计划与定制化变 革管理方案来弥补这些准备缺口，同时充分考虑各地区的优势与挑战。此外，学术机构与企业均 面临紧迫压力，需进一步调整自身的课程设置与培训内容，使其与AI驱动岗位所需的跨学科、动 态化技能相匹配。在日益复杂且竞争激烈的数字经济中，弥补这些不足对于确保劳动力支撑AI持 续创新、维持业务转型至关重要。 成。 再次，传统技能培养模式存在短板。事实证明，传统学位课程与常规培训方式的更新速度，已无 法匹配市场对新型数字技能与AI能力激增的需求。 最后，高校人才输出与行业实际需求之间仍存在显著脱节：学术机构目前培养的、具备AI适配技 能的毕业生数量，尚无法满足企业需求。要填补这一缺口，高等教育机构与雇主需建立更紧密、 更具战略性的合作关系。 下文将深入分析这四大挑战，并结合最新劳动力市场数据与行业研究，提出构建“AI时代适配型 改善组织整体绩效。这种全面、主动的学习与发展方式，是构建“具备韧性、强适应性” 的组织 的核心 ⸺ 唯有这样的组织，才能从容应对持续的数字化变革。 挑战 4：高校需加强人才培养与企业AI适配人才需求的匹配度 过去一个世纪以来，传统学术机构与IT行业的关系经历了深刻变革，从关联松散的领域逐步发展 为深度交织的合作伙伴，共同推动创新与经济增长。 智 能 世 界 的 I C T 岗 位 与 技 能 16 20世纪初，双方合作多为临时性质，聚焦基础研究或技术转化；

3）勇于实践，探索新的教学方法和策略。教师可以结合自己的教学实践，尝试运 用AI技术辅助教学，探索个性化、创新性的教学模式。 4）教师应加强与同行的交流与合作，共同研究和探索教育教学的创新之路，同时 积极参与学术交流活动，分享自己的教学经验和成果。 面对AI技术带来的挑战与机遇，教师需要不断更新自己的知识和技能储备，以适应 新时代的教育需求。同时，教育部门和学校也应该加大对教师的培训和支持力度， 帮助他们 34 图3-5 香港浸会大学在校内系统公布有关生成式AI工具的使用指引 2. 负面影响 （1）学术不诚实和抄袭 生成式AI的文本生成能力可能助长学术不诚实和抄袭行为，这一点从它诞生之初就 一直被人所诟病。学生可能依赖AI来完成作业和项目，而不是自己进行研究和思 考，这会损害学习过程和学术诚信。 （2）教育不平等 尽管生成式AI有潜力提高教育质量，但其普及和使用可能加剧教育资源的不平等。 个问题进一步提问或根据自己的疑问提出问题，如图5-30和图5-31所示。 93 ▲图5-30 根据提示进一步提问 ▲图5-31 根据自己的疑问提问 94 利用这样一款专为教育应用场景打造的智能阅读工具，枯燥乏味的学术论文和教育 文章变得易于理解掌握。借助强大的AI解析能力，ChatPDF能够深度解读PDF文档的 内容，当我们针对文档中的某一部分提出疑问时，ChatPDF如同一位私人导师为我 们提供精准解答，显著提升了阅读和学习的效率。

大模型应用技术分析 三种数据的主要内容和来源包括： 数据类型 使用场景 主要内容和来源 预训练数据 大模型预训练 1. 医疗文献： 包括学术论文、专业杂志 等发表的文献， 涵盖各类疾病的病因、诊断、 治疗及预后等研究内容。 2. 科研数据库： 如基因组学、蛋白质组 学等数据库， 为模型提供大量的基因、蛋白 质等生物信息。 从多个可靠的数据源中获取原始数据，确保信息的全面性和准确性。 2. 数据预处理 ：去除重复、错误或不相关的数据，保证数据质量。 3. 体与关系抽取： 利用自然语言处理技术识别文本中的医学术语， 并将其链接到知识图谱中的 相应实体，并识别实体之间的关系。 4. 数据校验和保鲜： 由医学专家对自动构建的知识图谱进行审核和校正， 确保其准确性和权威性， 并定期更新知识图谱，纳入 映最新的新闻动态、流行话题及公众讨论， 为模型提供 了丰富的语境和当前性内容，帮助评估模型在开放环境中的语言理解与生成能力 权威文件资源： 专业权威的学术资源， 如教材、科学文献与研究论文、政府和公共机构数据和领 域参考书， 包含结构化的知识体系和正式的学术表达， 具有 较高的权威性和准确性， 通过系统化的 学科知识评估模型的知识深度和概念掌握水平，是衡量模型专业性的重要指标 行业业务数据：

方 服务能力，具有圈层资源共享、产业联动发展、环境实时感知、事件全程可视、生产自动适应、设备全 时利用、社群价值关联的内涵特征。 智慧产业园区类似一个“城市”，是一个包括产业发展、技术开发和学术研究在内的综合体。各组 成部分协调运转、良性循环、相互促进，最终激发企业创新活力和产业市场潜力。同时智慧园区也是智 慧城市未来建设中的“产业大脑”和指挥中心，是顶尖科技成果与“产-学-研”完整链条相结合基地， 变到质变的转变，形成新质生产力将是未来我国智慧园区的重要使命。 5.3.2 智慧园区是产学研用金有机结合的平台 智慧园区是集产业、学术研究、应用技术和资金等多方资源于一体的综合性平台。其核心特征是通 过对新一代信息技术的应用，实现资源的优化配置和高效协同，打通产业链、学术链、应用链和资金 链，推动技术创新与产业发展，形成了一个良性循环的生态系统，促进科技成果的转化与经济效益的提 升。 首先 立运作的局面。在这种信息共享和协同合作的环境中，科研成果可以迅速转化为实际应用，促进产业的 技术升级和创新发展。 其次，智慧园区通过吸引高校、科研机构的科研力量，推动产学研深度融合。企业可以与学术界直 接合作，进行技术攻关和科研项目开发，提升自身的创新能力。同时，学术机构能够将理论研究成果应 用到实际生产中，促进科研成果的产业化，推动技术的实际落地。园区内的科研平台和创新团队为企业 提供了持续的技术支持和研发能力。 第

直模型，打造行业大模型的示范标杆。 创新人工智能技术。利用学校的人才优势、数据优 势和场景优势，推动人工智能技术创新。依托大学数字 图书馆国际合作计划（CADAL）中的电子图书、期刊 ·16· 和学术文献资源，分学科、分层级建设专业领域高质量 数据集。组织教育语料开发工作，汇聚覆盖本科阶段 12 个学科门类和高职阶段 19 个专业大类的高质量教育教 学语料，为教育专用大模型训练提供基础。研发中小学 成中国教育和科研计算机网（CERNET），主干网覆盖 32 个省，出口带宽达 300G，接入高校和科研单位超过 3000 所，服务高校师生和科研人员超过 5000 万人，成 ·28· 为世界规模最大的国家学术互联网。在实现校园宽带网 络全覆盖的基础上，加快推进 5G 网络校园应用，有效 支撑智慧教学、在线考试、平安校园等落地推广。 建设国家教育大数据中心。大力推进国家教育大数 据中心建设，让教育数据流得通、供得准、用得好。印

品质，共同建设宜居宜行的美好城市。 2025年 9月 北京 声明 *封面图：上海市城市道路网络 城市道路网密度与运行状态监测研究团队 赵 一 新 教授级高级工程师 城市交通研究分院 院长 中国城市规划学会城市交通规划学术委员会 秘书长 伍 速 锋 教授级高级工程师 城市交通研究分院 副院长 康 浩 教授级高级工程师 城市交通研究分院 智能交通与交通模型所所长 王 芮 工程师 城市交通研究分院 曹 雄 赳 高级工程师 张 凌 波 工程师 城市交通研究分院 吴 克 寒 高级工程师 城市交通研究分院 闫 安 助理工程师 城市交通研究分院 翟 健 高级城市规划师 绿色城市研究所 余 加 丽 高级工程师 城市规划学术信息中心 目录 概述 1.1 研究背景 ·············································· 6 1.2 城市选取···················

RAG& 知识解析技术 ， 让 AI 精准理解知识 n 支持单图直检、 区域精 筛及批量处理等多元场 景需求。 n 识别结果可适配 LaTeX 格式输出 ，便于学术文 档编辑。 n 支持无线表格 、 有线 表格 、 缺陷表格， 支 持输入任意图片 （ PDF/ 图片中包含单 表 、 多表 、 无表格） 。 全模态知识深度处理部分效果展示

中国特种设备研究院正高级工程师 随着经济社会数字化转型的持续推进，数字孪生逐渐成为各界关注的热点。尤其是今 年以来以数字孪生为核心技术的“元宇宙”概念的爆发式兴起，使得数字孪生技术得到了 包括学术界、工业界等在内的多方重点关注。数字孪生技术打通了物理世界与数字世界的 隔阂，实现了物理信息系统中的虚实融合，在智能制造、智能建造、智慧医疗、智慧城市 等垂直行业广泛拓展，产生了智能运维、虚拟调试、异常诊断、风险预测、决策辅助、系 。因此，数据分析的可视化逐渐成 为普遍需求，由此进一步演进到数据孪生技术，构建和物理世界一一映射的数字孪生体， 实时联动呈现相关的数据和分析，并在数字世界中可以反向操控物理世界的实体，这是在 学术界和工业界正在兴起的数字化新技术。很高兴看到这本《数字孪生世界白皮书》的诞 生，提供了很多数字孪生技术企业在工程实践中的探索，必将加速数字孪生技术趋势的发 展。 周伟华 浙江大学数据分析和管理国际研究中心主任 数字孪生世界白皮书(2025) 15 3）技术思路 ①基于网络数据的地形地质分析在数字孪生方面应用  数据收集 网络地形地质数据来源广泛，包括开放平台、学术文献、专业报告及众源数据。开放 平台提供标准化、结构化的 DEM 与遥感影像；学术文献与报告则通过论文、专题研究补 充高价值的历史数据和局部勘测成果，尤其在构造解析与灾害案例中具有不可替代性。众 源数据通过公众参与增强细节覆盖，但需注

略，DeepWalk 中根据边的权重进行随机游走，而 Node2vec 加了一个权重调整参数，同时考 虑到局部和宏观的信息，并且具有很高的适应性。 除了以上提到的常用的生成 embedding 方法，学术界和工业界还提出了很多方法，像 SDNE [6]、Struc2vec、Starspace[7]（Facebook 用的技术）、EGES（阿里巴巴推荐使用的技术之一） 等。 13 | 第一部分 BERT 可以基于已经习得的语言规律，更好的利用样本，使依赖的标注数量降低至少一个量级， 极大加快模型的理解速度。 02 BERT原理和BERT升级 BERT 自 2018 年底诞生后，在业界和学术界迅速激起一层研究热潮，不断的出现以 BERT 为基 础 的 改 良 模 型，这 其 中 典 型 的 中 文 模 型 代 表 包 括 来 自 哈 工 大 的 bert_wwm 以 及 来 自 百 度 年代他就在贝尔实验室提出了 如今大名鼎鼎的卷积神经网络，当时还叫 LeNet，并被广泛应用于支票的数字识别。2013 年 Lecun 加盟 Facebook 组建 FAIR 并任职第一任主任，致力于深度学习学术界与工业界的结合。 04 深度学习在企业场景的应用 66 | 第六部分 △e成科技打造HR赛道首个AI开放平台 深度学习方法在 e 成科技的对话机器人、人岗匹配、音视频面试等场景起到了非常重要的作用，