创建于1921年的江西省九江市九江小学(以下简称“九江小学“),坐拥甘棠湖和八里湖两个校区,共有55个教学班,2900余名学生,是“全国千所教育信息化试点单位”和“全国百所数字化校园创建校”之一,自建校以来就非常重视教育信息化的建设。
随着学校的不断发展,九江小学在扩建八里湖校区的过程中,为了满足网络规模快速增长,同时结合搭建数字化学习平台的需求,对新校区的校园网提出了较高的期望。在建校初期,学校担心带宽不足,在教学过程中影响全校师生高效快速的访问数字化校园平台,同时,师生、访客等多种角色接入网络,安全性控制问题需要考虑,最为关键的是,全校网管老师人数少,需要整体负责网络管理的现状,增加了信息化运维管理难度。
在这样的问题下,有着多年教育信息化解决方案经验的锐捷网络,为九江小学开出了一剂良方。
高效稳定的校园网助推智慧化学习
由于学校楼宇布局比较分散、各楼宇接入点不多,锐捷网络通过采用大二层架构,实现千兆到桌面,万兆上联;两台核心冗余,保障数字化校园平台持续不间断运行,通过VSU技术两台设备虚拟为一台,从而提升了整体校园网络的可靠性;稳定的基础网络建设还保障了协同办公系统平台和江西省中小学数字校园平台的高效使用,同时同步课堂、网络备课、班班通和翼校通等特色项目和应用,呈现线上和线下融合,贯穿教、学、练、考、测、评的信息化教学和个性化学习等智能化、信息化教育,充分发挥了教育信息化在教育教学改革中的创新引领作用。
九江小学协同办公系统
江西省中小学数字校园平台
精细化应用管理让技术与教育深度融合
因为学校带宽资源有限,锐捷网络通过缓存节省带宽资源,并通过出口RG-EG设备进行限速、保障关键业务带宽。部署RG-SMP软件设备,实现全校实名身份认证,同时可以有效地防止账号盗用、防 IP 篡改、防MAC篡改,实现内网的安全、可控、易定位和强审计。精细化的应用管理使得九江小学的优质教学资源,在校内进行传输和共享,并且不同学校间的教师与学生、学生与学生可以进行实时交流和互动,让“信息技术与教育教学深度融合”的核心理念真正落到了实处。此外,通过屏蔽各种与学习无关的网站,为九江小学的师生营造了一个良好的学习氛围,在提高学习工作效率的同时,也保护了校园网的信息安全。
RG-EG上网行为管理应用管理页面
可视化运维管理一目了然
随着互联网的不断发展和信息化建设的持续深入,学校对于IT系统的应用逐渐深化,并逐步改变了传统的工作方式,学校的信息化管理老师通过RG-SNC管理软件,可以一目了然管理全校网络的IP资源,信息管理老师可以通过一张视图掌握校园网运行状态,第一时间快速定位师生上网的故障,让日常IT管理维护简单有效。
作为连续15年服务教育信息化建设的锐捷网络,不断扎根行业进行场景创新,助推数字化校园建设。锐捷网络所搭建的稳定的基础网络,保障了九江小学数字化校园平台的高效率使用,也为其带去了高效稳定的教育教学工作环境,打造了一个安全、绿色、可靠的校园网环境。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。