2019年4月26日,第76届中国教育装备展示会在重庆国际博览中心召开。会上,英特尔联合合作伙伴鸿合科技股份有限公司(以下简称“鸿合”)首发了智慧AI课堂解决方案。当前,我国的教育信息化转型已经步入实战阶段,英特尔正凭借其领先的智慧教育端到端解决方案赋能教育信息化转型,挖掘教育场景下的数据价值,以充分利用教学数据来改善教学模式,驱动我国智慧教育发展进程。
英特尔与鸿合共同发布智慧AI课堂
中国的教育行业一直在改革中快速发展,教育部在去年印发的《教育信息化2.0行动计划》中明确提出,要继续推动信息技术与教育的深度融合、构建一体化的“互联网+教育”大平台,以加快教育现代化和教育强国建设。当前的教学场景正在从传统的黑板教育向电子白板乃至以智能交互黑板为代表的智慧教育过渡,鸿合作为我国智能交互设备领域的知名品牌,近年来凭借包括智能交互黑板在内的一系列智慧教育领域的先进产品及解决方案为我国的教育信息化转型提供支撑,为智慧教育背景下的教学场景升级提供了更多可能。
当前,互联网+、大数据、人工智能等前沿技术日益普及、发展,英特尔与鸿合紧跟行业发展趋势,基于当下教育信息化发展对智慧教育的新需求强强联手,研发出了智慧AI课堂。智慧AI课堂解决方案主要针对时下的走班教学改革制度,在鸿合智慧教室中通过鸿合智能交互黑板等一系列交互软硬件设备协作互通,再利用先进的AI技术实现学生人脸识别。其中,AI点名、AI抢答等特色功能不仅能大幅节省老师课前的点名时间,还能综合提高课堂效率。
鸿合科技教育BG产品总监曾湘宁表示:“鸿合拥有一系列在教育领域的先进产品,为教育信息化转型提供支撑,让教学更加智能。英特尔拥有智慧教育端到端解决方案,通过与英特尔的合作,鸿合能够更好的推动在智慧校园、智慧教室和智慧课堂不同场景下的信息化产品部署,使智慧教育成为可能。”
当前,我国教育市场对于信息化和数据化的要求十分迫切,教育机构需要人工智能技术来改善当前的教学环境,与此同时,教学场景也对人工智能技术部署的便利性提出了更高的要求。英特尔CPU与加速卡的结合能够为教学场景下的信息化、数据化转型提供强大的算力支撑,并能有效降低成本;英特尔® OpenVINO™ 工具包的跨异构解决方案能够有效提升部署效率,让部署更便捷;英特尔智慧教育端到端解决方案则可以为智慧教育的不同场景提供支撑,进而有效帮助教育行业更好更快地实现智慧教育转型。
英特尔物联网销售市场部中国区总监谢青山表示:“作为合作伙伴,我们很高兴同鸿合一起发布智慧AI课堂解决方案。英特尔拥有在智慧教育领域的端到端解决方案,依托英特尔智慧教育端到端解决方案,教育机构能够高效地搭建起基于英特尔计算平台的智慧校园、智慧教室、智慧课堂三位一体的端到端的智慧教育平台。当前,英特尔正携手鸿合以及更广阔的合作伙伴突破教育边界,以更便利、更智能的技术和产品推动教育资源公平高效分配,提升学生学习体验,优化老师的教学模式,进而推动我国的智慧教育发展进程。”
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。