资源与产业 Resources & Industries ISSN 1673-2464,CN 11-5426/TD 《资源与产业》网络首发论文 题目： 零碳目标下园区自愿减排产品的选择 作者： 史洋，孔震，张保瑞，赵维，王志光，蔡云江，王靖韬，陈琳，王威，张坤， 李睿 DOI： 10.13776/j.cnki.resourcesindustries 为确保录用定稿网络首发的严肃性，录用定稿一经发布，不得修改论文题目、作者、机构名称和学术内容， 只可基于编辑规范进行少量文字的修改。 出版确认：纸质期刊编辑部通过与《中国学术期刊（光盘版）》电子杂志社有限公司签约，在《中国 学术期刊（网络版）》出版传播平台上创办与纸质期刊内容一致的网络版，以单篇或整期出版形式，在印刷 出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊（网络版）》是国家新闻出 网络版）》是国家新闻出 版广电总局批准的网络连续型出版物（ISSN 2096-4188，CN 11-6037/Z），所以签约期刊的网络版上网络首 发论文视为正式出版。 零碳目标下园区自愿减排产品的选择 史洋 1，孔震 2，张保瑞 1，赵维 2，王志光 2，蔡云江 2，王靖韬 2，陈琳 1，王威 2， 张坤 1，李睿 1 （1. 国网雄安综合能源服务有限公司，河北 雄安

123 2.2 重点新兴前沿⸺“生成式人工智能在商业领域的应用实践与风险治理” 123 附录 研究前沿综述：寻找科学的结构 124 报告研究团队 134 2025 ① 引用核心论文的论文，也称引文。 1. 背景 科学研究的世界呈现出蔓延生长、不断演化的景 象。科研管理者和政策制定者需要掌握科研的进展和 动态，以有限的资源来支持和推进科学进步。对于他 们而言，洞察科研动向、尤其是跟踪新兴专业领域对 于研究方法，或者概念和假设，并反映在研究人员在 论文中引用其他同行的工作这一学术行为之中。 通过持续跟踪全球最重要的科研学术论文，研究 分析论文被引用的模式和聚类，特别是成簇的高被引 论文频繁地共同被引用的情况，可以发现研究前沿。 当一簇高被引论文共同被引用的情形达到一定的活跃 度和连贯性时，就形成一个研究前沿，而这一簇高被 引论文便是组成该研究前沿的“核心论文”。研究前 沿的分析数据揭示了不同研究者在探究相关的科学问 用而形成的知识之间和人之间的联络。这些研究前沿 的数据连续记载了分散的研究领域的发生、汇聚、发 展（或者是萎缩、消散），以及分化和自组织成更新 的研究活动节点。在演进的过程中，每组核心论文的 基本情况，如主要的论文、作者、研究机构等，都可 以被查明和跟踪。同时，通过对该研究前沿的施引论 文 ①的分析，可以发现该领域的最新进展和发展方向。 2013 年科睿唯安发布了《2013 研究前沿⸺自然

簇共高被引的核心论文和后续引用核心论文的施引论文共同组成的，因此，在研究前沿热度 指数的设计中，分别从核心论文和施引论文的数量份额和被引频次份额的角度，设计贡献度 和影响度两个指标，二者加和构成研究前沿热度指数，逻辑模型如图 1 所示。 图 1 研究前沿热度指数逻辑模型 研究前沿 热度指数 贡献度 影响度 核心论文份额 施引论文份额 核心论文被引频次份额 施引论文被引频次份额 2025 贡献的论文数量的相对份额，包括该国参与发表的核 心论文占前沿中所有核心论文的份额，以及施引论文 占前沿中所有施引论文的份额，具体计算方法如下： 国家 / 地区贡献度 = 国家 / 地区核心论文份额 + 国家 / 地区施引论文份额 国家 / 地区影响度是一个国家 / 地区对研究前沿 贡献的论文被引频次的相对份额，包括国家 / 地区参 与发表的核心论文的被引频次占前沿中所有核心论文 的 的被引频次的份额，以及施引论文的被引频次占前沿 中所有施引论文被引频次的份额，具体计算方法为： 国家 / 地区影响度 = 国家 / 地区核心论文被引频 次份额 + 国家 / 地区施引论文被引频次份额 ③ 国家 / 地区核心论文份额、施引论文份额、核 心论文被引频次份额和施引论文被引频次份额的具体 计算方法分别为： 国家 / 地区核心论文份额 = 国家 / 地区核心论文 数 / 前沿核心论文总数 国家

前言 1 第一章 研究方法 3 1.1 工程研究前沿遴选 5 1.1.1 论文数据获取与预处理 5 1.1.2 论文主题挖掘 5 1.1.3 研究前沿确定与解读 6 1.2 工程开发前沿遴选 6 1.2.1 专利数据获取与预处理 6 1.2.2 专利主题挖掘 7 1.2.3 开发前沿确定与解读 7 1.3 发展路线图 7 1.4 术语解释 7 第二章 前沿和 29 个工程开发前沿。各领域前沿数量分布如表 1.1 所示。 工程前沿研究基本流程包括三步：数据对接、数据分析和专家研判。数据对接，主要是领域专家和图 书情报专家依据各领域的技术体系，制定论文和专利数据检索式，明确数据挖掘的范围；数据分析，主要 是通过共被引聚类形成文献聚类主题、共词聚类形成专利地图，获得前沿主题；专家研判，主要是通过前 沿主题筛选、前沿名称修订、专家研讨等方法逐步筛 10 10 合计 92 92 工程研究前沿 工程开发前沿 技术体系 最终文献专利检索列表 专家确定专利检索式 专家提名前沿问题 专家确定期刊 与会议列表 专家提名前沿问题 候选前沿热点 论文数据分析 专利数据分析 专利地图 专家数据交互 专家补充前沿 文献专利数据分析 发展路线图 50+个研究备选前沿 50+个开发备选前沿 10+个研究前沿 10+个开发前沿 重点解读 3+个研究前沿

202312.00027 此预印本（未经同行评审）的作者拥有该文稿的版权，biomedRxiv拥有永久保存权。任何人未经允许不得重复使用。 〔作者简介〕 郑琰莉，学士，发表论文 2 篇; 通信作者: 苏文星，硕士，发表论文 4 篇。 人工智能大模型在医疗领域的应用现状与前景展望 郑琰莉 （天津泰达普华医院 天津 300203） 李舒玉 （先进操作系统创新中心 (天津) 有限公司 天津 300450） 202312.00027 此预印本（未经同行评审）的作者拥有该文稿的版权，biomedRxiv拥有永久保存权。任何人未经允许不得重复使用。 〔作者简介〕 郑琰莉，学士，发表论文 2 篇; 通信作者: 苏文星，硕士，发表论文 4 篇。 正在积极地推动智慧医疗的发展。如今 DALL-E、GPT-4、LLaMA 等人工智能大模型 （下称“大模型”）的出现，也给该领域带来了前所未有的技术突破[1]。大模型又被称 202312.00027 此预印本（未经同行评审）的作者拥有该文稿的版权，biomedRxiv拥有永久保存权。任何人未经允许不得重复使用。 〔作者简介〕 郑琰莉，学士，发表论文 2 篇; 通信作者: 苏文星，硕士，发表论文 4 篇。 大模型构建流程分为：预训练、微调、奖励模型、强化学习四个阶段。预训练即 利用海量的训练数据和无监督学习的方法学习到通用的特征或知识，并将这些特征或 知识迁移到

“计算机之父”和“人工智能之父”艾伦 · 图灵（ Alan M. Turing ） 发表了论文《计算机器与智能》 ，这篇论文被誉 为人工智能科学的开山之作。 在论文的开篇 ， 图灵提出了一个引人深思的问题： “机器能思考吗？ ”。这个问题激发了人们 无尽的想象 ， 同时也奠定了人工智能的基本概念和雏形 在这篇论文中 ，图灵提出了鉴别 机 器是否具有智能的方法 ，这就是 人 工智能领域著名的“图灵测试”。 北京师范大学利用该校培养方案、教学手册、教学大纲等高质量 语 料 ， 为近万门课程本地化部署 DeepSeek-R1 大模型。登录智 能 “课程中心 ” ，学业规划、知识问答、概念讲解、资源推荐、解 题 启发、论文润色等功能一目了然 ，为师生提供定制化、情境化 的教 学辅助 ，还支持学生的个性化与探究式学习需求。 DeepSeek 满血版 R1 ， 参数高达 6710 亿（ 671B ） ， 相当于一个 “超级大脑” ，欢迎学生报考。 通过多轮对话实时联网搜索权威信息 ， 供全面、快速、优质的回答 论文写作辅助 提供语法检查、参考文献自动生成等功能 ， 极大提高写作效率 文本创作与智能办公场景 实现高效语言生成、 辅助写作、 智能纠错 和摘要生成、多种语言实时互译 文本分析 可快速提炼论文创新点、方法及实验结果 数学推理 能够解答高等数学、 概率统计、 线性代数 等复杂问题

multiple services. The information platform based on these two technologies well satisfies 河北科技大学硕士学位论文 IV the actual demands of smart park. Key words IOT；Smart park；Information plat；ZigBee；Intelligent ····························································································1 1.1 论文的研究背景·····································································································1 ·······················································································1 1.3 研究内容和论文结构·····························································································4 第

行更具体的分析并提供更详细的回答。“thebes”的实验结果对比图如图4-2所 示。 除了网友的实验，中国科学院软件研究所、北京大学心理学院、微软研究院相关研 究员也发现大型语言模型可以“理解”情感并被情感刺激，这一观点被发表在论文 “Large Language Models Understand and Can Be Enhanced by Emotional Stimuli”中。 那么，给多少小费才有效呢？根据网友和笔者的经验，10美元、上万美元、100万 这个技巧最开始来自Kojima等人于2022年发表的论文“Large Language Models are Zero-Shot Reasoners”（https://arxiv.org/abs/2205.11916）。论文里提 到，当向模型提一个逻辑推理问题时，模型返回了一个错误的答案，但如果在问题 最后加入“Let's think step by step”这句话，模型就生成了正确的答案。论文 中的实验对比结果如图4-3所示。 正确回答图4-3所示实验中的问题，但是 当我们发现答案可能有问题时，可以用思维链技巧提问AI，AI会展示“思考”并得 出结果的过程，从而更好地帮助我们进行检查。 另外，Wei等人在2022年发表的论文“Chain-of-Thought Prompting Elicits Reasoning in Large Language Models” （https://arxiv.org/pdf/2201

高等教育适配场景 专业课程开发与优化：前沿精进 深度专业知识整合与前沿教学内容生 成、教学评估与持续优化 个性化学习与科研支持：科研赋能 个性化学习辅导、 文献综述与前沿分析、 研究方法支持、论文写作辅助 就业与创业支持：职创无忧 基于AI的就业指导和智能匹配系统， 根据学生专业和能力推荐就业机会 高等教育系统集成：因材施教 • 与科研管理平台对接，支持学术研究全流程 • 为智能实验室系统提供实验设计与分析建议 AI课堂教学决策支持系统辅助教师教学反思 ① 平台工具 • 广泛使用与积极态度：94%学生使用过AI并表示会继续使用，97%认为应学习如何使用AI工具 • 多样化应用场景：主要用于想法构思、方案设计、文献工作、编程、数据分析、论文写作和翻译 • 使用特点：GPA排名靠前的学生更倾向于使用AI，超80%学生认为学校不应限制AI在教学中的使用 ③ 学生使用 • 数智课程体系建设：开设236门数智领域课程， 构建"基础融入、通识融通、专业融合、开放多 学术研究资源获取不便，文献综述和论文润色工作量大。 • 国际交流中多语言环境支持不足。 实现功能 • 助学：AI抽取教学视频知识点，构建知识图谱，支持学生课前课中学习课后复习。 • 助教：自动生成教学资源，提供不同难度级别的出题功能及自动纠错。 • 助管：关联校内业务系统，快速完成操作和数据调取，自动分析并生成统计图表。 • 助研：对接学术资源查询，辅助文献综述生成、研究实验自动完成、论文翻译润色。 •

1 0 0 1 0 1 0 0 1 AnyShare Family 7 ， 内容改变生产力 非结构化数据已经成为高校中占比最高、 日常教学科研最常见、使用最频繁的数据类型 ，如作 业、课件、论文、报告等文档 ，其海量、分散、异构的特征 ，决定了这些内容难以高效搜索 和 访问 ，蕴含的知识也难以获取和传播 ，所以 ，智慧校园的数据能力建设离不开非结构化数 据这 块重要拼图。 AnyShare 亿 各类论文资料、作业、 课件 等教学资源沉淀； • 对接校园门户 /APP 日操作量 100W+ ， 2TB/ 天 数据传输 流 量，教学资源高效利用； 客户收益 • 服务全校 10W 师生教学资料分发、论文存档、实验报告 共享等场景 ，月活 5000+ ； • 累积 900TB 教学资源 ，超 1 亿 各类论文资料、作业、 助力高校师生教学资源高效共享 AnyShare 不仅可以面向高校全体师生提供海量文档统一存储管理 ，文档共享协作 ，文档权 限 管理等基本能力 ，还支持全局智能搜索能力 ，师生可快速找到所需课件、论文、研究报告。同 时 ，支持内容自动化应用 ，通过低代码的方式快速自定义文档自动处理策略 ，帮助老师自动 整 理课件分类 ，收集学生作业； 帮助学生自动整理学习资料分类 ，高效学习。此 外 ，